Подвійне робастне оцінювання (AIPW)
Подвійне робастне оцінювання, також відоме як доповнене оберненим зважуванням ймовірностей (Augmented Inverse Probability Weighting, AIPW), є напівпараметричним методом для оцінювання причинних ефектів втручання, який поєднує модель регресії результату з моделлю схильності (втручання). Розроблений у роботах Robins & Rotnitzky (1995) та Bang & Robins (2005), він залишається консистентним, доки принаймні одна з двох моделей є коректно специфікованою.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+50 more
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Augmented Inverse Probability Weighting (AIPW) / Doubly Robust Estimation. ScholarGate. https://scholargate.app/uk/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.
- Причинний аналіз медіації (природні прямий та непрямий ефекти)Причинно-наслідковий висновок↔ compare
- Зважування за оберненою ймовірністю лікування (IPW / IPTW)Причинно-наслідковий висновок↔ compare
- Логістична регресіяСтатистика досліджень↔ compare
- Регресія звичайно найменших квадратів (ЗНК)Економетрика↔ compare
- Зіставлення за показником схильностіСтатистика досліджень↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →