Robust Inverse Probability Weighting (Robust IPW)
Robust Inverse Probability Weighting to estymator wnioskowania przyczynowego, który re-waguje zaobserwowane jednostki za pomocą ustabilizowanych lub przyciętych wag ilorazu skłonności, a następnie stosuje estymację wariancji typu sandwich lub bootstrap, aby zabezpieczyć się przed błędną specyfikacją modelu, ekstremalnymi wagami i zawyżonymi błędami standardowymi. Rozszerza on standardowy IPW w celu poprawy wydajności w skończonych próbach i niezawodności wnioskowania w badaniach obserwacyjnych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- Lunceford, J. K., & Davidian, M. (2004). Stratification and weighting via the propensity score in estimation of causal treatment effects: a comparative study. Statistics in Medicine, 23(19), 2937-2960. DOI: 10.1002/sim.1903 ↗
- Robins, J. M., Hernán, M. A., & Brumback, B. (2000). Marginal structural models and causal inference in epidemiology. Epidemiology, 11(5), 550-560. DOI: 10.1097/00001648-200009000-00011 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Robust Inverse Probability Weighting Estimator. ScholarGate. https://scholargate.app/pl/causal-inference/robust-inverse-probability-weighting
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Estymacja podwójnie odporna (AIPW)Wnioskowanie przyczynowe↔ porównaj
- Ważenie odwrotnością prawdopodobieństwa leczenia (IPW / IPTW)Wnioskowanie przyczynowe↔ porównaj
- Model strukturalny brzegowy (MSM)Wnioskowanie przyczynowe↔ porównaj
- Dopasowanie wyników skłonnościStatystyka w badaniach↔ porównaj
- Ważenie z wykorzystaniem wyniku skłonności (PSW / IPW)Wnioskowanie przyczynowe↔ porównaj
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →