Modèle structurel marginal (MSM) pour données de panel
Un modèle structurel marginal (MSM) pour données de panel utilise la pondération par l'inverse de la probabilité de traitement (IPTW) sur plusieurs périodes temporelles pour estimer l'effet causal d'un traitement variant dans le temps, tout en ajustant de manière appropriée pour les facteurs de confusion variant dans le temps qui sont eux-mêmes affectés par le traitement antérieur — une source de biais que la régression conventionnelle ne peut pas gérer.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Panel Data Marginal Structural Model with Inverse Probability Weighting. ScholarGate. https://scholargate.app/fr/causal-inference/panel-data-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.
- Pondération par l'inverse de la probabilité de traitement (IPW / IPTW)Inférence causale↔ compare
- Modèle structurel marginal (MSM)Inférence causale↔ compare
- Différence-en-différences sur données de panel (Panel DiD / TWFE)Inférence causale↔ compare
- Pondération par l'inverse de la probabilité pour données de panelInférence causale↔ compare
- Modèle à effets fixes pour données de panelÉconométrie↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →