ScholarGate
Assistent
Regression modelQuasi-experimental / causal inference

Räumliches Marginal Structural Model

Das Räumliche Marginal Structural Model (Spatial MSM) erweitert das klassische Marginal Structural Model auf Situationen, in denen Einheiten geografisch verteilt sind und räumliche Abhängigkeiten – wie Nachbarschaftseffekte, Clustering und räumliche Störfaktoren – kausale Schätzungen verzerren können. Es schätzt kausale Effekte räumlich variierender Expositionen, indem es Inverse-Wahrscheinlichkeits-Gewichte konstruiert, die sowohl individuelle Kovariaten als auch die räumliche Lage berücksichtigen, und anschließend ein gewichtetes Ergebnismodell in der resultierenden Pseudopopulation anpasst.

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.

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. Schnell, P. M., & Papadogeorgou, G. (2020). Mitigating unobserved spatial confounding when estimating the effect of supermarket access on cardiovascular disease deaths. Annals of Applied Statistics, 14(2), 793-816. DOI: 10.1214/20-aoas1377

So zitieren Sie diese Seite

ScholarGate. (2026, June 3). Spatial Marginal Structural Model with Inverse Probability Weighting. ScholarGate. https://scholargate.app/de/causal-inference/spatial-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
ScholarGateSpatial Marginal Structural Model (Spatial Marginal Structural Model with Inverse Probability Weighting). Abgerufen am 2026-06-15 von https://scholargate.app/de/causal-inference/spatial-marginal-structural-model · Datensatz: https://doi.org/10.5281/zenodo.20539026