Estimarea de Maximum Verosimilitate Vizată (TMLE)
Estimarea de Maximum Verosimilitate Vizată (TMLE) este o metodă semiparametrică, dublu robustă de inferență cauzală, introdusă de Mark van der Laan și Daniel Rubin în 2006. Aceasta combină modele flexibile de învățare automată atât pentru rezultat, cât și pentru mecanismul de atribuire a tratamentului, apoi aplică un pas de vizare care re-potrivește modelul inițial al rezultatului, în mod specific pentru a reduce biasul pentru un estimand cauzal pre-specificat, cum ar fi efectul mediu al tratamentului. TMLE este utilizat pe scară largă în epidemiologie, biostatistică și economie sanitară atunci când se estimează efecte cauzale din date observaționale.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- van der Laan, M. J., & Rubin, D. (2006). Targeted maximum likelihood learning. The International Journal of Biostatistics, 2(1). DOI: 10.2202/1557-4679.1043 ↗
Cum se citează această pagină
ScholarGate. (2026, June 2). Targeted Maximum Likelihood Estimation (TMLE). ScholarGate. https://scholargate.app/ro/causal-inference/targeted-maximum-likelihood
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.
- Învățare Automată DublăInferență cauzală↔ compare
- Estimare Dublu Robustă (AIPW)Inferență cauzală↔ compare
- Ponderarea prin probabilitatea inversă a tratamentului (IPW / IPTW)Inferență cauzală↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →