Robust Inverse Probability Weighting (Robust IPW)
Robust Inverse Probability Weighting เป็นตัวประมาณค่าสำหรับการอนุมานเชิงสาเหตุ (causal inference) ที่ทำการถ่วงน้ำหนักหน่วยที่สังเกตได้ด้วยน้ำหนักคะแนนความโน้มเอียง (propensity score weights) ที่ทำให้เสถียร (stabilized) หรือถูกตัดแต่ง (trimmed) จากนั้นจึงใช้การประมาณค่าความแปรปรวนแบบแซนด์วิช (sandwich) หรือแบบบูทสแตรป (bootstrap) เพื่อป้องกันการระบุแบบจำลองผิดพลาด (model misspecification) น้ำหนักที่มากเกินไป และค่าความคลาดเคลื่อนมาตรฐานที่สูงเกินจริง วิธีการนี้เป็นการขยายผลจาก IPW มาตรฐานเพื่อปรับปรุงประสิทธิภาพในตัวอย่างขนาดจำกัด (finite-sample performance) และความน่าเชื่อถือของการอนุมานในการศึกษาเชิงสังเกต (observational studies)
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
แผนที่ระเบียบวิธี
ย่านของระเบียบวิธีที่เกี่ยวข้องกัน — เลือกโหนดเพื่อสำรวจ
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Robust Inverse Probability Weighting Estimator. ScholarGate. https://scholargate.app/th/causal-inference/robust-inverse-probability-weighting
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- การประมาณค่าแบบทนทานสองเท่า (AIPW)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- Inverse Probability Weighting (IPW / IPTW) การถ่วงน้ำหนักด้วยความน่าจะเป็นผกผันการอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- แบบจำลองโครงสร้างส่วนเพิ่ม (Marginal Structural Model: MSM)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- การจับคู่คะแนนแนวโน้มสถิติการวิจัย↔ เปรียบเทียบ
- การถ่วงน้ำหนักด้วยคะแนนแนวโน้ม (Propensity Score Weighting - PSW / IPW)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ