Estimativa Duplamente Robusta (AIPW)
Estimativa Duplamente Robusta, também chamada Ponderação por Probabilidade Inversa Aumentada (AIPW), é um método semiparamétrico para estimar efeitos causais de tratamento que combina um modelo de regressão do desfecho com um modelo de propensão (tratamento). Desenvolvido nos trabalhos de Robins & Rotnitzky (1995) e Bang & Robins (2005), ele permanece consistente desde que pelo menos um dos dois modelos seja especificado corretamente.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
+50 more
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 1). Augmented Inverse Probability Weighting (AIPW) / Doubly Robust Estimation. ScholarGate. https://scholargate.app/pt/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.
- Análise de Mediação Causal (Efeitos Diretos e Indiretos Naturais)Inferência causal↔ compare
- Ponderação pela Probabilidade Inversa de Tratamento (IPW / IPTW)Inferência causal↔ compare
- Regressão LogísticaEstatística para pesquisa↔ compare
- Regressão por Mínimos Quadrados Ordinários (MQO)Econometria↔ compare
- Propensity Score MatchingEstatística para pesquisa↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →