Robust Propensity Score Weighting
Robust Propensity Score Weighting utökar standardmetoden inverse probability weighting genom att inkludera skyddsåtgärder mot felaktig specifikation av propensity score-modellen och extrema vikter. Den kombinerar tekniker såsom viktbeskärning (weight trimming), överlappningsvikter (overlap weighting) eller augmenterade utfallmodeller för att säkerställa att estimat av kausala effekter förblir tillförlitliga även när propensity score-modellen är ofullständigt specificerad.
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
- Robins, J. M., Rotnitzky, A., & Zhao, L. P. (1994). Estimation of regression coefficients when some regressors are not always observed. Journal of the American Statistical Association, 89(427), 846-866. DOI: 10.1080/01621459.1994.10476818 ↗
- Zhao, Q., Small, D. S., & Bhattacharya, B. B. (2019). Sensitivity analysis for inverse probability weighting estimators via the percentile bootstrap. Journal of the Royal Statistical Society: Series B, 81(4), 735-761. DOI: 10.1111/rssb.12327 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Robust Propensity Score Weighting Estimator. ScholarGate. https://scholargate.app/sv/causal-inference/robust-propensity-score-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
- Känslighetsanalys för kausalitetKausal inferens↔ jämför
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →