การประมาณค่าแบบทวิ-ทน (Bayesian Doubly Robust Estimation)
การประมาณค่าแบบทวิ-ทนแบบเบย์ (Bayesian Doubly Robust Estimation) เป็นการผสมผสานกรอบการทำงานแบบถ่วงน้ำหนักความน่าจะเป็นผกผันที่ปรับปรุงแล้ว (augmented inverse probability weighting - AIPW) ซึ่งเป็นแบบดั้งเดิม เข้ากับการอนุมานแบบเบย์ (Bayesian inference) โดยจะสร้างแบบจำลองทั้งคะแนนความโน้มเอียง (propensity score) และแบบจำลองการถดถอยของผลลัพธ์ (outcome regression) ไปพร้อมๆ กัน โดยกำหนดการแจกแจงก่อน (prior distributions) ให้กับทั้งสองแบบจำลอง และหาการแจกแจงภายหลัง (posterior distribution) ของผลกระทบเฉลี่ยของการรักษา (average treatment effect - ATE) ซึ่งจะยังคงมีความสอดคล้อง (consistent) แม้ว่าแบบจำลองใดแบบจำลองหนึ่งในสองแบบจำลององค์ประกอบจะระบุผิดพลาดก็ตาม
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
- Scharfstein, D., Nabi, R., Kennedy, E. H., Huang, M.-Y., Bonvini, M., & Smid, M. (2021). Semiparametric sensitivity analysis: Unmeasured confounding in observational studies. arXiv:1910.14694. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Doubly Robust Estimation of Average Treatment Effects. ScholarGate. https://scholargate.app/th/causal-inference/bayesian-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.
- การวิเคราะห์ผลกระทบเชิงสาเหตุแบบเบย์ (Bayesian Causal Impact Analysis)การอนุมานเชิงสาเหตุ↔ compare
- การจับคู่คะแนนความโน้มเอียงแบบเบย์การอนุมานเชิงสาเหตุ↔ compare
- การประมาณค่าแบบทนทานสองเท่า (AIPW)การอนุมานเชิงสาเหตุ↔ compare
- Inverse Probability Weighting (IPW / IPTW) การถ่วงน้ำหนักด้วยความน่าจะเป็นผกผันการอนุมานเชิงสาเหตุ↔ compare
- แบบจำลองโครงสร้างส่วนเพิ่ม (Marginal Structural Model: MSM)การอนุมานเชิงสาเหตุ↔ compare