ScholarGate
Asisten
Regression modelQuasi-experimental / causal inference

Penimbangan Probabilitas Invers Dinamis

Penimbangan Probabilitas Invers Dinamis (Dynamic IPW) mengestimasi efek kausal dari urutan perlakuan yang bervariasi terhadap waktu dengan menimbang ulang data observasi untuk meniru uji coba acak hipotetis. Dikembangkan oleh Robins dan kolega dalam konteks model struktural marjinal, metode ini menangani tantangan bahwa dalam pengaturan longitudinal, perlakuan masa lalu memengaruhi kovariat masa depan, yang pada gilirannya memengaruhi perlakuan masa depan — sebuah lingkaran umpan balik yang tidak dapat diuraikan oleh regresi standar.

Buka di MethodMindSegeraVideoSegeraUnduh salindia

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Peta metode

Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.

Sumber

  1. 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
  2. Hernan, M. A., & Robins, J. M. (2020). Causal Inference: What If. Chapman & Hall/CRC. link

Cara menyitasi halaman ini

ScholarGate. (2026, June 3). Dynamic Inverse Probability Weighting for Time-Varying Treatments. ScholarGate. https://scholargate.app/id/causal-inference/dynamic-inverse-probability-weighting

Metode yang mana?

Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.

Bandingkan berdampingan

Dirujuk oleh

ScholarGateDynamic Inverse Probability Weighting (Dynamic Inverse Probability Weighting for Time-Varying Treatments). Diakses 2026-06-15 dari https://scholargate.app/id/causal-inference/dynamic-inverse-probability-weighting · Set data: https://doi.org/10.5281/zenodo.20539026