การประมาณค่าแบบทนทานสองเท่า (AIPW)
การประมาณค่าแบบทนทานสองเท่า (Doubly Robust Estimation) หรือที่เรียกว่า Augmented Inverse Probability Weighting (AIPW) เป็นวิธีการทางสถิติแบบกึ่งพารามิเตอร์ (semiparametric method) สำหรับการประมาณผลกระทบเชิงสาเหตุของการรักษา (causal treatment effects) ซึ่งรวมแบบจำลองการถดถอยของผลลัพธ์ (outcome regression model) เข้ากับแบบจำลองความน่าจะเป็น (propensity (treatment) model) วิธีการนี้พัฒนาขึ้นจากงานของ Robins & Rotnitzky (1995) และ Bang & Robins (2005) โดยยังคงความสอดคล้อง (consistent) ตราบใดที่แบบจำลองอย่างน้อยหนึ่งในสองแบบจำลองนั้นถูกระบุอย่างถูกต้อง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+50 more
แหล่งอ้างอิง
- Robins, J. M. & Rotnitzky, A. (1995). Semiparametric Efficiency in Multivariate Regression Models with Missing Data. Journal of the American Statistical Association, 90(429), 122-129. DOI: 10.1080/01621459.1995.10476494 ↗
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Augmented Inverse Probability Weighting (AIPW) / Doubly Robust Estimation. ScholarGate. https://scholargate.app/th/causal-inference/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.
- การวิเคราะห์การถ่ายทอดเหตุผลเชิงสาเหตุ (ผลกระทบโดยตรงและโดยอ้อมตามธรรมชาติ)การอนุมานเชิงสาเหตุ↔ compare
- Inverse Probability Weighting (IPW / IPTW) การถ่วงน้ำหนักด้วยความน่าจะเป็นผกผันการอนุมานเชิงสาเหตุ↔ compare
- การถดถอยโลจิสติกสถิติการวิจัย↔ compare
- การถดถอยกำลังสองน้อยที่สุดสามัญ (OLS)เศรษฐมิติ↔ compare
- การจับคู่คะแนนแนวโน้มสถิติการวิจัย↔ compare