Módszerek összehasonlítása
Tekintse át a kiválasztott módszereket egymás mellett; az eltérő sorok kiemelve jelennek meg.
| Az inverz valószínűségi kezelési súlyozás (IPW / IPTW)× | Kauzalitás mediációs analízis (természetes direkt és indirekt hatások)× | |
|---|---|---|
| Tudományterület | Oksági következtetés | Oksági következtetés |
| Módszercsalád | Regression model | Regression model |
| Keletkezés éve≠ | 2000 | 2010 |
| Megalkotó≠ | Robins, Hernán & Brumback | Pearl (2001); general framework by Imai, Keele & Tingley (2010) |
| Típus≠ | Causal inference weighting estimator | Counterfactual causal decomposition |
| Alapmű≠ | Robins, J. M., Hernán, M. A., & Brumback, B. (2000). Marginal Structural Models and Causal Inference in Epidemiology. Epidemiology, 11(5), 550-560. DOI ↗ | Pearl, J. (2001). Direct and Indirect Effects. In Proceedings of the Seventeenth Conference on Uncertainty in Artificial Intelligence (UAI), 411-420. link ↗ |
| Alternatív nevek | IPW, IPTW, inverse probability of treatment weighting, marginal structural model weighting | natural direct effect, natural indirect effect, NDE / NIE decomposition, counterfactual mediation |
| Kapcsolódó | 5 | 5 |
| Összefoglaló≠ | Inverse Probability Weighting is a causal-inference method that assigns each observation a weight equal to the inverse of its probability of receiving the treatment it actually received. Introduced by Robins, Hernán and Brumback (2000) for marginal structural models, it builds a pseudo-population in which treatment is independent of measured confounders, balancing selection bias. | Causal mediation analysis is a counterfactual framework that splits a treatment's total effect into a Natural Direct Effect (NDE) and a Natural Indirect Effect (NIE) that runs through a mediator. The modern general approach was formalised by Pearl (2001) and Imai, Keele and Tingley (2010), giving the decomposition a precise causal interpretation. |
| ScholarGateAdatkészlet ↗ |
|
|