Model marginal estructural augmentat amb aprenentatge automàtic (ML-MSM)
El model marginal estructural augmentat amb aprenentatge automàtic combina el rigor causal del marc MSM de Robins et al. amb algorismes d'aprenentatge automàtic flexibles i adaptatius a les dades per estimar puntuacions de propensió i models de resultat. En reemplaçar els models de nuisance paramètrics amb aprenents d'ensemble o xarxes neuronals, els ML-MSM recuperen estimacions causals vàlides sota confondiment sense dependre de formes paramètriques correctament especificades.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Robins, J. M., Hernan, M. A., & Brumback, B. (2000). Marginal structural models and causal inference in epidemiology. Epidemiology, 11(5), 550-560. DOI: 10.1097/00001648-200009000-00011 ↗
- Luedtke, A. R., & van der Laan, M. J. (2016). Statistical inference for the mean outcome under a possibly non-unique optimal treatment strategy. Annals of Statistics, 44(2), 713-742. DOI: 10.1214/15-AOS1384 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Machine Learning-Augmented Marginal Structural Model with Flexible Nuisance Estimation. ScholarGate. https://scholargate.app/ca/causal-inference/machine-learning-augmented-marginal-structural-model
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.
- Estimació Doblement Robusta (AIPW)Inferència causal↔ compare
- Pes pesat per la probabilitat inversa (IPW / IPTW)Inferència causal↔ compare
- Estimació robusta a doble augmentada per aprenentatge automàtic (ML-DR)Inferència causal↔ compare
- Model Estructural Marginal (MSM)Inferència causal↔ compare
- Ponderació per puntuació de propensió (PSW / IPW)Inferència causal↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →