Inverse Probability Weighting Dinamica
La stima dell'Inverse Probability Weighting Dinamica (Dynamic IPW) valuta l'effetto causale di una sequenza di trattamenti che variano nel tempo, rivalutando i dati osservati per mimare uno studio randomizzato ipotetico. Sviluppato da Robins e colleghi nel contesto dei modelli strutturali marginali, gestisce la sfida che, in contesti longitudinali, il trattamento passato influisce sui covariate futuri, che a loro volta influiscono sul trattamento futuro — un ciclo di feedback che la regressione standard non può districare.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Mappa dei metodi
Il vicinato dei metodi correlati — seleziona un nodo per esplorare.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Dynamic Inverse Probability Weighting for Time-Varying Treatments. ScholarGate. https://scholargate.app/it/causal-inference/dynamic-inverse-probability-weighting
Quale metodo?
Affianca questo metodo ai suoi parenti più prossimi e leggili fianco a fianco — la biblioteca dispone i libri sul tavolo; la scelta è tua.
- Stima a Doppia Robustezza (AIPW)Inferenza causale↔ confronta
- Inverse Probability of Treatment Weighting (IPW / IPTW)Inferenza causale↔ confronta
- Modello Strutturale Marginale (MSM)Inferenza causale↔ confronta
- Ponderazione basata sul punteggio di propensione (PSW / IPW)Inferenza causale↔ confronta
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →