Байєсівська подвійно робастна оцінка
Байєсівська подвійно робастна оцінка поєднує класичну подвійно робастну (DR) систему зважування за оберненою ймовірністю та доповненим регресійним моделюванням результату з байєсівським висновком. Вона одночасно моделює функцію прихильності та регресію результату, накладаючи апріорні розподіли на обидві, і виводить апостеріорний розподіл середнього ефекту втручання, який залишається узгодженим, навіть якщо одна з двох компонентних моделей визначена неправильно.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Bayesian Doubly Robust Estimation of Average Treatment Effects. ScholarGate. https://scholargate.app/uk/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.
- Байєсівський аналіз причинного впливуПричинно-наслідковий висновок↔ compare
- Байєсівське зіставлення за показником схильностіПричинно-наслідковий висновок↔ compare
- Подвійне робастне оцінювання (AIPW)Причинно-наслідковий висновок↔ compare
- Зважування за оберненою ймовірністю лікування (IPW / IPTW)Причинно-наслідковий висновок↔ compare
- Маргінальна структурна модель (MSM)Причинно-наслідковий висновок↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →