गतिशील व्युत्क्रम प्रायिकता भारण
गतिशील व्युत्क्रम प्रायिकता भारण (Dynamic IPW) अवलोकित डेटा को पुनर्भरण करके एक काल्पनिक यादृच्छिक परीक्षण का अनुकरण करके समय-भिन्न उपचार अनुक्रम के कारण प्रभाव का अनुमान लगाता है। रॉबिन्स और उनके सहयोगियों द्वारा सीमांत संरचनात्मक मॉडल के संदर्भ में विकसित, यह उस चुनौती का सामना करता है कि अनुदैर्ध्य सेटिंग्स में, पिछला उपचार भविष्य के सहसंयोजकों को प्रभावित करता है, जो बदले में भविष्य के उपचार को प्रभावित करते हैं — एक फीडबैक लूप जिसे मानक प्रतिगमन नहीं सुलझा सकता।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
पद्धति मानचित्र
सम्बन्धित पद्धतियों का परिवेश — अन्वेषण हेतु किसी नोड का चयन करें।
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Dynamic Inverse Probability Weighting for Time-Varying Treatments. ScholarGate. https://scholargate.app/hi/causal-inference/dynamic-inverse-probability-weighting
कौन-सी पद्धति?
इस पद्धति को उसकी निकटतम सजातीय पद्धतियों के साथ रखकर उन्हें साथ-साथ पढ़ें — पुस्तकालय पुस्तकें मेज़ पर रख देता है; चुनाव आपका है।
- Doubly Robust Estimationकारणात्मक अनुमान↔ तुलना करें
- उपचार भारण की व्युत्क्रम प्रायिकता (IPW / IPTW)कारणात्मक अनुमान↔ तुलना करें
- मार्जिनल स्ट्रक्चरल मॉडल (MSM)कारणात्मक अनुमान↔ तुलना करें
- प्रोपेंसिटी स्कोर वेटिंग (PSW / IPW)कारणात्मक अनुमान↔ तुलना करें