Байєсівське зважування за оцінкою схильності
Байєсівське зважування за оцінкою схильності (Bayesian Propensity Score Weighting) оцінює причинно-наслідкові ефекти впливу в обсерваційних даних шляхом поєднання байєсівської моделі для оцінки схильності з оберненим імовірнісним зважуванням. Завдяки встановленню апріорного розподілу на параметри оцінки схильності та поширенню апостеріорної невизначеності через етап зважування, цей підхід дає повністю ймовірнісні інтервали невизначеності для середнього ефекту впливу, враховуючи невизначеність як у моделі оцінки, так і в результаті.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
Джерела
- McCandless, L. C., Gustafson, P., & Austin, P. C. (2009). Bayesian propensity score analysis for observational data. Statistics in Medicine, 28(1), 94–112. DOI: 10.1002/sim.3460 ↗
- Saarela, O., Stephens, D. A., Moodie, E. E. M., & Klein, M. B. (2015). On Bayesian estimation of marginal structural models. Biometrics, 71(2), 279–288. DOI: 10.1111/biom.12269 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Bayesian Propensity Score Weighting for Causal Inference. ScholarGate. https://scholargate.app/uk/causal-inference/bayesian-propensity-score-weighting
Який метод?
Поставте цей метод поруч із його найближчими спорідненими й читайте їх пліч-о-пліч — бібліотека викладає книги на стіл; вибір за вами.
- Байєсівський метод різниць на різниціПричинно-наслідковий висновок↔ порівняти
- Подвійне робастне оцінювання (AIPW)Причинно-наслідковий висновок↔ порівняти
- Зважування за оберненою ймовірністю лікування (IPW / IPTW)Причинно-наслідковий висновок↔ порівняти
- Маргінальна структурна модель (MSM)Причинно-наслідковий висновок↔ порівняти
- Зіставлення за показником схильностіСтатистика досліджень↔ порівняти
- Зважування за показником схильності (PSW / IPW)Причинно-наслідковий висновок↔ порівняти
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →