Dinamikus Propensity Score Illesztés
A dinamikus propensity score illesztés (DPSM) kiterjeszti a klasszikus propensity score illesztést olyan helyzetekre, ahol a kezelést ismételten, időben elosztva alkalmazzák, és a korábbi kezelési döntések befolyásolják a későbbieket. A teljes kezelési sorozatok vagy rezsimváltások kauzális hatását becsli meg azáltal, hogy minden döntési ponton illesztett összehasonlításokat konstruál a kovariánsok és az előzetes kezelések teljes történetének felhasználásával.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- Lechner, M., & Miquel, R. (2010). Identification of the effects of dynamic treatments by sequential conditional independence assumptions. Empirical Economics, 39(1), 111-137. DOI: 10.1007/s00181-009-0297-3 ↗
- Robins, J. M. (1986). A new approach to causal inference in mortality studies with a sustained exposure period — application to control of the healthy worker survivor effect. Mathematical Modelling, 7(9-12), 1393-1512. DOI: 10.1016/0270-0255(86)90088-6 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Dynamic Propensity Score Matching for Sequential Treatments. ScholarGate. https://scholargate.app/hu/causal-inference/dynamic-propensity-score-matching
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
- Dinamikus különbség-a-különbségekbenOksági következtetés↔ összehasonlítás
- Az inverz valószínűségi kezelési súlyozás (IPW / IPTW)Oksági következtetés↔ összehasonlítás
- Marginal Structural Model (MSM)Oksági következtetés↔ összehasonlítás
- Tárgyhajlamossági pontszám illesztésKutatási statisztika↔ összehasonlítás
- Propensity Score Weighting (PSW / IPW)Oksági következtetés↔ összehasonlítás
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →