Bayesowskie ważenie z wykorzystaniem wyniku skłonności
Bayesowskie ważenie z wykorzystaniem wyniku skłonności szacuje przyczynowe efekty leczenia w danych obserwacyjnych poprzez połączenie bayesowskiego modelu wyniku skłonności z ważeniem odwrotności prawdopodobieństwa. Poprzez nałożenie priora na parametry wyniku skłonności i propagację niepewności posteriornej przez etap ważenia, podejście to daje w pełni probabilistyczne przedziały niepewności dla średniego efektu leczenia, uwzględniając niepewność zarówno w modelu wyniku, jak i w wyniku.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- McCandless, L. C., Gustafson, P., & Austin, P. C. (2009). Bayesian propensity score analysis for observational data. Statistics in Medicine, 28(1), 94–112. DOI: 10.1002/sim.3460 ↗
- Saarela, O., Stephens, D. A., Moodie, E. E. M., & Klein, M. B. (2015). On Bayesian estimation of marginal structural models. Biometrics, 71(2), 279–288. DOI: 10.1111/biom.12269 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Propensity Score Weighting for Causal Inference. ScholarGate. https://scholargate.app/pl/causal-inference/bayesian-propensity-score-weighting
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bayesowska metoda różnic w różnicachWnioskowanie przyczynowe↔ compare
- Estymacja podwójnie odporna (AIPW)Wnioskowanie przyczynowe↔ compare
- Ważenie odwrotnością prawdopodobieństwa leczenia (IPW / IPTW)Wnioskowanie przyczynowe↔ compare
- Model strukturalny brzegowy (MSM)Wnioskowanie przyczynowe↔ compare
- Dopasowanie wyników skłonnościStatystyka w badaniach↔ compare
- Ważenie z wykorzystaniem wyniku skłonności (PSW / IPW)Wnioskowanie przyczynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →