การประมาณค่าภาวะน่าจะเป็นสูงสุดแบบกำหนดเป้าหมาย (TMLE)
การประมาณค่าภาวะน่าจะเป็นสูงสุดแบบกำหนดเป้าหมาย (Targeted Maximum Likelihood Estimation: TMLE) เป็นวิธีการอนุมานเชิงสาเหตุแบบกึ่งพารามิเตอร์ที่ทนทานสองเท่า (doubly robust) ซึ่งนำเสนอโดย Mark van der Laan และ Daniel Rubin ในปี 2006 วิธีการนี้รวมโมเดลการเรียนรู้ของเครื่องที่ยืดหยุ่นสำหรับทั้งผลลัพธ์และกลไกการกำหนดการรักษาเข้าด้วยกัน จากนั้นจึงใช้ขั้นตอนการกำหนดเป้าหมายที่ปรับโมเดลผลลัพธ์เริ่มต้นใหม่โดยเฉพาะเพื่อลดอคติสำหรับค่าประมาณเชิงสาเหตุที่กำหนดไว้ล่วงหน้า เช่น ผลกระทบของการรักษาโดยเฉลี่ย TMLE ถูกนำมาใช้อย่างแพร่หลายในระบาดวิทยา ชีวสถิติ และเศรษฐศาสตร์สาธารณสุข เมื่อทำการประมาณผลกระทบเชิงสาเหตุจากข้อมูลจากการสังเกต
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- van der Laan, M. J., & Rubin, D. (2006). Targeted maximum likelihood learning. The International Journal of Biostatistics, 2(1). DOI: 10.2202/1557-4679.1043 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). Targeted Maximum Likelihood Estimation (TMLE). ScholarGate. https://scholargate.app/th/causal-inference/targeted-maximum-likelihood
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.
- การเรียนรู้ของเครื่องแบบทวีคูณการอนุมานเชิงสาเหตุ↔ compare
- การประมาณค่าแบบทนทานสองเท่า (AIPW)การอนุมานเชิงสาเหตุ↔ compare
- Inverse Probability Weighting (IPW / IPTW) การถ่วงน้ำหนักด้วยความน่าจะเป็นผกผันการอนุมานเชิงสาเหตุ↔ compare