Dynamische propensity score matching
Dynamische propensity score matching (DPSM) breidt klassieke propensity score matching uit naar situaties waarin behandeling herhaaldelijk in de tijd wordt toegediend en eerdere behandelkeuzes latere beïnvloeden. Het schat het causale effect van volledige behandelsequenties of regimeveranderingen door op elk beslissingspunt gematchte vergelijkingen te construeren met behulp van de volledige geschiedenis van covariaten en eerdere behandelingen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Dynamic Propensity Score Matching for Sequential Treatments. ScholarGate. https://scholargate.app/nl/causal-inference/dynamic-propensity-score-matching
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Dubbel Robuuste Schatting (AIPW)Causale inferentie↔ vergelijken
- Dynamische Difference-in-DifferencesCausale inferentie↔ vergelijken
- Inverse Probability of Treatment Weighting (IPW / IPTW)Causale inferentie↔ vergelijken
- Marginaal Structureel Model (MSM)Causale inferentie↔ vergelijken
- Propensity Score MatchingOnderzoeksstatistiek↔ vergelijken
- Propensity Score Weighting (PSW / IPW)Causale inferentie↔ vergelijken
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →