Regression modelQuasi-experimental / causal inference

贝叶斯熵平衡

贝叶斯熵平衡将经典的熵平衡方法——该方法重新加权对照组单位，使其协变量矩与处理组完全匹配——通过将这种重新加权嵌入贝叶斯框架来扩展。这使得研究人员能够纳入关于处理倾向的先验信念，将参数不确定性传播到最终的因果估计中，并获得可信区间，而不仅仅是经典的置信区间。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

方法图谱

相关方法的邻域——选择一个节点以展开探索。

贝叶斯熵平衡

贝叶斯倾向得分匹配粗化精确匹配 (CEM)双重稳健估计（AIPW）熵平衡逆概率治疗加权法 (IPW / IPTW)倾向得分加权法 (PSW / IPW)

来源

Hainmueller, J. (2012). Entropy balancing for causal effects: A multivariate reweighting method to produce balanced samples in observational studies. Political Analysis, 20(1), 25-46. DOI: 10.1093/pan/mpr025 ↗
Vegetabile, B. G., Griffin, B. A., Coffman, D. L., Cefalu, M., Robbins, M. W., & McCaffrey, D. F. (2021). Nonparametric estimation of population average dose-response curves using entropy balancing weights for continuous exposures. Health Services and Outcomes Research Methodology, 21(1), 69-110. DOI: 10.1007/s10742-020-00236-2 ↗

如何引用本页

ScholarGate. (2026, June 3). Bayesian Entropy Balancing for Causal Inference. ScholarGate. https://scholargate.app/zh/causal-inference/bayesian-entropy-balancing

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

并排比较 →

发现本页有问题？报告或提出修改建议 →