Dinamikus Inverz Valószínűségi Súlyozás
A dinamikus inverz valószínűségi súlyozás (Dynamic IPW) egy időben változó kezelési sorozat kauzális hatását becsli meg, megfigyelt adatok újrasúlyozásával, hogy azok egy hipotetikus randomizált vizsgálatot imitáljanak. Robins és munkatársai által a marginális strukturális modellek keretében kifejlesztett módszer kezeli azt a kihívást, hogy longitudinális beállítások esetén a múltbeli kezelés befolyásolja a jövőbeli kovariátákat, amelyek viszont befolyásolják a jövőbeli kezelést – ez egy olyan visszacsatolási hurok, amelyet a standard regresszió nem tud kibogozni.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Dynamic Inverse Probability Weighting for Time-Varying Treatments. ScholarGate. https://scholargate.app/hu/causal-inference/dynamic-inverse-probability-weighting
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- Kettősen robusztus becslés (AIPW)Oksági következtetés↔ összehasonlítás
- Az inverz valószínűségi kezelési súlyozás (IPW / IPTW)Oksági következtetés↔ összehasonlítás
- Marginal Structural Model (MSM)Oksági következtetés↔ összehasonlítás
- Propensity Score Weighting (PSW / IPW)Oksági következtetés↔ összehasonlítás
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →