Regression modelQuasi-experimental / causal inference

Telpiskais marginālais strukturālais modelis

Telpiskais marginālais strukturālais modelis (Spatial MSM) paplašina klasisko marginālo strukturālo modeli situācijām, kur vienības ir ģeogrāfiski izvietotas un telpiskās atkarības — piemēram, kaimiņattiecību izplatīšanās, grupēšanās un telpiskā jauktība — var radīt neobjektivitāti kauzalitātes aplēsēs. Tas novērtē telpiski mainīgu ekspozīciju kauzalitātes efektus, konstruējot apgriezto varbūtības svarus, kas ņem vērā gan individuālos kovariātus, gan telpisko atrašanās vietu, pēc tam pielāgojot svērto rezultātu modeli radītajā pseidopopulācijā.

Atvērt MethodMindDrīzumāVideoDrīzumāDownload slides

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Method map

The neighbourhood of related methods — select a node to explore.

Avoti

  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. Schnell, P. M., & Papadogeorgou, G. (2020). Mitigating unobserved spatial confounding when estimating the effect of supermarket access on cardiovascular disease deaths. Annals of Applied Statistics, 14(2), 793-816. DOI: 10.1214/20-aoas1377

Kā citēt šo lapu

ScholarGate. (2026, June 3). Spatial Marginal Structural Model with Inverse Probability Weighting. ScholarGate. https://scholargate.app/lv/causal-inference/spatial-marginal-structural-model

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateSpatial Marginal Structural Model (Spatial Marginal Structural Model with Inverse Probability Weighting). Izgūts 2026-06-15 no https://scholargate.app/lv/causal-inference/spatial-marginal-structural-model · Datu kopa: https://doi.org/10.5281/zenodo.20539026