Robust Inverse Probability Weighting (Robust IPW)
Robust Inverse Probability Weighting är en kausal inferensestimator som omviktar observerade enheter med stabiliserade eller trimmade propensity score-vikter, tillämpar sedan sandwich- eller bootstrap-variansestimering för att skydda mot modellmisspecificering, extrema vikter och uppblåsta standardfel. Den utökar standard-IPW för att förbättra finita sampelprestanda och inferentiell tillförlitlighet i observationsstudier.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Robust Inverse Probability Weighting Estimator. ScholarGate. https://scholargate.app/sv/causal-inference/robust-inverse-probability-weighting
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- Dubbelt robust skattning (AIPW)Kausal inferens↔ jämför
- Viktning med inversa sannolikheter för behandling (IPW / IPTW)Kausal inferens↔ jämför
- Marginal Structural Model (MSM)Kausal inferens↔ jämför
- Propensity score-matchningForskningsstatistik↔ jämför
- Propensitetspoängsviktning (PSW / IPW)Kausal inferens↔ jämför
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →