Regression modelQuasi-experimental / causal inference
機械学習強化型周辺構造モデル（ML-MSM）
機械学習強化型周辺構造モデルは、RobinsらのMSMフレームワークが持つ因果推論の厳密性と、傾向スコアおよびアウトカムモデルの推定に用いられる柔軟なデータ適応型機械学習アルゴリズムを組み合わせたものです。パラメトリックな不要モデルをアンサンブル学習器やニューラルネットワークに置き換えることで、ML-MSMは、正しく特定されたパラメトリック形式に依存することなく、交絡下で妥当な因果推定値を回復します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- 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 ↗
- Luedtke, A. R., & van der Laan, M. J. (2016). Statistical inference for the mean outcome under a possibly non-unique optimal treatment strategy. Annals of Statistics, 44(2), 713-742. DOI: 10.1214/15-AOS1384 ↗
このページの引用方法
ScholarGate. (2026, June 3). Machine Learning-Augmented Marginal Structural Model with Flexible Nuisance Estimation. ScholarGate. https://scholargate.app/ja/causal-inference/machine-learning-augmented-marginal-structural-model
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
- 二重に頑健な推定量（AIPW）因果推論↔ 比較
- 逆確率重み付け法 (IPW / IPTW)因果推論↔ 比較
- 機械学習拡張二重頑健推定量 (ML-DR)因果推論↔ 比較
- Marginal Structural Model (MSM)因果推論↔ 比較
- 傾向スコア重み付け（PSW / IPW）因果推論↔ 比較