Байесовское взвешивание по показателю склонности
Байесовское взвешивание по показателю склонности (Bayesian Propensity Score Weighting, BPSW) оценивает причинные эффекты воздействия в наблюдательных данных путем комбинирования байесовской модели показателя склонности с обратным взвешиванием по вероятности. Размещая априорное распределение на параметрах показателя склонности и распространяя апостериорную неопределенность через этап взвешивания, этот подход дает полностью вероятностные интервалы неопределенности для среднего эффекта воздействия, учитывая неопределенность как в модели показателя, так и в исходе.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bayesian Propensity Score Weighting for Causal Inference. ScholarGate. https://scholargate.app/ru/causal-inference/bayesian-propensity-score-weighting
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Байесовский метод разности разностей (Bayesian Difference-in-Differences)Причинно-следственный вывод↔ сравнить
- Двухробастное оценивание (AIPW)Причинно-следственный вывод↔ сравнить
- Взвешивание по обратной вероятности лечения (IPW / IPTW)Причинно-следственный вывод↔ сравнить
- Маргинальная структурная модель (MSM)Причинно-следственный вывод↔ сравнить
- Метод подбора на основе оценки склонностиСтатистика исследований↔ сравнить
- Взвешивание на основе оценки склонности (PSW / IPW)Причинно-следственный вывод↔ сравнить
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →