Spatial Inverse Probability Weighting
Spatial Inverse Probability Weighting extends the classical IPW estimator to settings where units are geo-referenced and spatial location is a confounding dimension. By incorporating geographic coordinates or spatial proximity into the propensity score model, it reweights the observed sample so that treatment and control groups are balanced not only on measured covariates but also on spatial structure, enabling credible causal inference from spatially indexed observational data.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- Hirano, K., Imbens, G. W., & Ridder, G. (2003). Efficient Estimation of Average Treatment Effects Using the Estimated Propensity Score. Econometrica, 71(4), 1161-1189. · DOI 10.1111/1468-0262.00442
- Papadogeorgou, G., Choirat, C., & Zigler, C. M. (2019). Adjusting for unmeasured spatial confounding with distance adjusted propensity score matching. Biostatistics, 20(2), 256-272. · DOI 10.1093/biostatistics/kxx074
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.