逆概率加权（IPW）：一种统计/因果推断方法，用“某个样本被观察到或接受某种处理的概率的倒数”作为权重来重新加权数据，从而校正样本选择偏差、缺失机制或处理分配不均，使加权后的样本更接近目标总体或“类似随机分配”的情形。（在实践中常用于倾向评分加权、处理效应估计、处理缺失数据等。）
/nvs prbblti wet/
Inverse probability weighting can reduce bias when some observations are more likely to be sampled.
当某些观测更容易被抽样到时，逆概率加权可以减少偏差。
To estimate the average treatment effect, we used inverse probability weighting based on propensity scores and then checked covariate balance after weighting.
为了估计平均处理效应，我们基于倾向评分使用了逆概率加权，并在加权后检查协变量是否达到平衡。
该术语由三部分直观构成：inverse（倒数/反向）+ probability（概率）+ weighting（加权）。核心思想是：某类样本如果“出现概率高”，就给它较小权重；如果“出现概率低”，就给它较大权重，用这种“概率的倒数”来补偿代表性不足，从而让加权后的数据更贴近目标分布。
Select Language