ScholarGate
Assistent
Regression modelQuasi-experimental / causal inference

Marginales Strukturelles Modell (MSM)

Ein marginales strukturelles Modell ist ein kausales Modellierungsframework, das entwickelt wurde, um den Effekt einer zeitlich variierenden Behandlung in Anwesenheit von zeitlich variierenden Störgrößen zu schätzen, die selbst durch frühere Behandlungen beeinflusst werden. Durch die Neugewichtung von Beobachtungen mit inversen Wahrscheinlichkeiten der Behandlungszuweisung (Inverse Probability of Treatment Weights) erzeugen MSMs eine Pseudopopulation, in der Störfaktoren eliminiert werden. Dies ermöglicht eine unverzerrte Schätzung kausaler Behandlungsunterschiede, selbst wenn standardmäßige Regressionsanpassungen versagen würden.

In MethodMind öffnenDemnächstVideoDemnächstDownload slides

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Method map

The neighbourhood of related methods — select a node to explore.

+26 more

Quellen

  1. 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
  2. Hernan, M. A., & Robins, J. M. (2020). Causal Inference: What If. Chapman & Hall/CRC. link

So zitieren Sie diese Seite

ScholarGate. (2026, June 3). Marginal Structural Model with Inverse Probability of Treatment Weighting. ScholarGate. https://scholargate.app/de/causal-inference/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.

Compare side by side

Referenziert von

ScholarGateMarginal Structural Model (Marginal Structural Model with Inverse Probability of Treatment Weighting). Abgerufen am 2026-06-15 von https://scholargate.app/de/causal-inference/marginal-structural-model · Datensatz: https://doi.org/10.5281/zenodo.20539026