Regression modelQuasi-experimental / causal inference
동적 성향 점수 매칭
동적 성향 점수 매칭(DPSM)은 고전적인 성향 점수 매칭을 확장하여, 치료가 시간 경과에 따라 반복적으로 할당되고 이전 치료 선택이 이후 치료에 영향을 미치는 상황에 적용합니다. 이는 각 의사결정 시점에서 공변량과 이전 치료의 전체 이력을 사용하여 매칭된 비교를 구성함으로써 전체 치료 시퀀스 또는 치료 체계 변화의 인과적 효과를 추정합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- Lechner, M., & Miquel, R. (2010). Identification of the effects of dynamic treatments by sequential conditional independence assumptions. Empirical Economics, 39(1), 111-137. DOI: 10.1007/s00181-009-0297-3 ↗
- Robins, J. M. (1986). A new approach to causal inference in mortality studies with a sustained exposure period — application to control of the healthy worker survivor effect. Mathematical Modelling, 7(9-12), 1393-1512. DOI: 10.1016/0270-0255(86)90088-6 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Dynamic Propensity Score Matching for Sequential Treatments. ScholarGate. https://scholargate.app/ko/causal-inference/dynamic-propensity-score-matching
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- 이중 강건 추정 (AIPW)인과추론↔ 비교
- 동적 이중차분법 (Dynamic Difference-in-Differences)인과추론↔ 비교
- 역확률 가중치 (Inverse Probability Weighting, IPW / IPTW)인과추론↔ 비교
- Marginal Structural Model (MSM)인과추론↔ 비교
- 성향 점수 매칭연구 통계↔ 비교
- 성향 점수 가중치 (PSW / IPW)인과추론↔ 비교