Dynaaminen käänteinen todennäköisyyspainotus
Dynaaminen käänteinen todennäköisyyspainotus (Dynamic IPW) estimoi ajassa vaihtelevan hoitosekvenssin kausaalivaikutusta painottamalla uudelleen havaintoaineistoa jäljittelemällä hypoteettista satunnaistettua koetta. Robinsin ja kollegoiden kehittämä marginaalisten rakennemallien kontekstissa, se käsittelee haastetta, jossa pitkittäisasetelmissa mennyt hoito vaikuttaa tuleviin kovariaatteihin, jotka puolestaan vaikuttavat tulevaan hoitoon – takaisinkytkentäsilmukka, jota standardiregressio ei pysty selvittämään.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
Lähteet
- 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 ↗
- Hernan, M. A., & Robins, J. M. (2020). Causal Inference: What If. Chapman & Hall/CRC. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Dynamic Inverse Probability Weighting for Time-Varying Treatments. ScholarGate. https://scholargate.app/fi/causal-inference/dynamic-inverse-probability-weighting
Mikä menetelmä?
Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.
- Kaksoisrobustin estimoinnin (AIPW) menetelmäKausaalipäättely↔ vertaa
- Käänteisen todennäköisyyden painotus (IPW / IPTW)Kausaalipäättely↔ vertaa
- Marginaalinen rakenteellinen malli (MSM)Kausaalipäättely↔ vertaa
- Propensity Score Weighting (PSW / IPW)Kausaalipäättely↔ vertaa
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →