Regression model
Estymacja podwójnie odporna (AIPW)
Estymacja podwójnie odporna, zwana także ważeniem odwrotności prawdopodobieństwa z augmentacją (AIPW), jest semiparametryczną metodą estymacji przyczynowych efektów interwencji, która łączy model regresji wyniku z modelem skłonności (interwencji). Opracowana w pracach Robins & Rotnitzky (1995) i Bang & Robins (2005), pozostaje spójna tak długo, jak długo przynajmniej jeden z dwóch modeli jest poprawnie specyfikowany.
Przeczytaj pełny opis metody
Tylko dla członków
Zaloguj sięZaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
+50 more
Źródła
- Robins, J. M. & Rotnitzky, A. (1995). Semiparametric Efficiency in Multivariate Regression Models with Missing Data. Journal of the American Statistical Association, 90(429), 122-129. DOI: 10.1080/01621459.1995.10476494 ↗
- Bang, H. & Robins, J. M. (2005). Doubly Robust Estimation in Missing Data and Causal Inference Models. Biometrics, 61(4), 962-973. DOI: 10.1111/j.1541-0420.2005.00377.x ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Augmented Inverse Probability Weighting (AIPW) / Doubly Robust Estimation. ScholarGate. https://scholargate.app/pl/causal-inference/doubly-robust-estimation
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.
- Analiza przyczynowego pośrednictwa (naturalny efekt bezpośredni i pośredni)Wnioskowanie przyczynowe↔ compare
- Ważenie odwrotnością prawdopodobieństwa leczenia (IPW / IPTW)Wnioskowanie przyczynowe↔ compare
- Regresja logistycznaStatystyka w badaniach↔ compare
- Regresja metodą najmniejszych kwadratów (OLS)Ekonometria↔ compare
- Dopasowanie wyników skłonnościStatystyka w badaniach↔ compare
Cytowana przez
Estymacja bayesowska podwójnie odpornaBayesowskie balansowanie entropiiBayesian Inverse Probability WeightingBayesowski marginalny model strukturalnyEstymator bayesowskiego dopasowaniaBayesian Propensity Score MatchingBayesowskie ważenie z wykorzystaniem wyniku skłonnościBayesowska analiza wrażliwości dla przyczynowościPodwójne uczenie maszynoweEstymacja podwójnie odporna (DR) w badaniach edukacyjnychDynamiczne ważenie odwrotnością prawdopodobieństwaDynamiczne dopasowanie na podstawie skłonności (DPSM)Entropy BalancingG-Obliczenia (Formuła G)Dwukrotnie odporna estymacja heterogenicznych efektów przyczynowychRównoważenie entropijne heterogenicznych efektów oddziaływaniaHeterogeneous Treatment Effect Inverse Probability WeightingHeterogeniczny Model Strukturalny dla Efektów Marginalnych (HTE-MSM)Estymator dopasowania heterogenicznych efektów przyczynowychHeterogeneous Treatment Effect Propensity Score MatchingHeterogeneous Treatment Effect Sensitivity Analysis for CausalityWażenie odwrotnością prawdopodobieństwa leczenia (IPW / IPTW)Ważenie odwrotnością prawdopodobieństwa w badaniach edukacyjnychAnaliza przyczynowości wspomagana uczeniem maszynowymMachine Learning-Augmented Coarsened Exact MatchingUczenie maszynowe wspomagające metodę różnicy w różnicach (ML-DiD)Estymacja podwójnie odporna wspomagana uczeniem maszynowym (ML-DR)Równoważenie entropii wspomagane uczeniem maszynowymWzmocniony uczeniem maszynowym rozmyty regresyjny układ nieciągłościMachine Learning-Augmented Inverse Probability WeightingUzupełniony o uczenie maszynowe marginalny model strukturalny (ML-MSM)Estymator dopasowania rozszerzony o uczenie maszynoweDopasowanie wyników skłonności wspomagane uczeniem maszynowymWażenie zaugmentowane uczeniem maszynowymModel strukturalny brzegowy (MSM)Estymator dopasowującyEstymacja wielookresowa podwójnie odpornaWielookresowe ważenie odwrotnością prawdopodobieństwaMulti-period Propensity Score WeightingPolityczna ocena z podwójnie odpornym estymatoremOcena polityki ważenie odwrotnością prawdopodobieństwaMarginalny Model Strukturalny Oceny PolitykiDopasowywanie wyników skłonności w ocenie politykiOcena polityki ważona wynikiem skłonnościWażenie z wykorzystaniem wyniku skłonności (PSW / IPW)Solidna ocena wpływu kontrfaktycznegoRobust Inverse Probability Weighting (Robust IPW)Solidny marginalny model strukturalnyEstymator dopasowania odpornego (dopasowanie skorygowane o błąd)Robust Propensity Score MatchingZrównoważone ważenie skłonności warunkowejAnaliza wrażliwości dla przyczynowościPrzestrzenna estymacja podwójnie odpornaPrzestrzenne ważenie odwrotnością prawdopodobieństwa (Spatial IPW)Estymacja maksymalnej wiarygodności ukierunkowanej (TMLE)Zmienne instrumentalne za pomocą dwuetapowych najmniejszych kwadratów (IV/2SLS)
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →