Koneoppimista hyödyntävä marginaalinen rakenteellinen malli (ML-MSM)
Koneoppimista hyödyntävä marginaalinen rakenteellinen malli yhdistää Robins et al.:n MSM-kehyksen kausaalisen tarkkuuden joustaviin, dataan mukautuviin koneoppimisalgoritmeihin taipumusosamäärien ja lopputulosmallien estimoinnissa. Korvaamalla parametriset apumallit yhdistelmäoppijoilla tai neuroverkoilla ML-MSM:t palauttavat päteviä kausaalisia estimaatteja sekoittavien tekijöiden läsnäollessa ilman, että ne luottavat oikein spesifioituihin parametrisiin muotoihin.
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 ↗
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Machine Learning-Augmented Marginal Structural Model with Flexible Nuisance Estimation. ScholarGate. https://scholargate.app/fi/causal-inference/machine-learning-augmented-marginal-structural-model
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
- Koneoppimista hyödyntävä kaksinkertaisesti robusti estimointi (ML-DR)Kausaalipäättely↔ vertaa
- Marginaalinen rakenteellinen malli (MSM)Kausaalipäättely↔ vertaa
- Propensity Score Weighting (PSW / IPW)Kausaalipäättely↔ vertaa
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →