Multi-period Inverse Probability Weighting
Multi-period Inverse Probability Weighting (IPW) schat de causale impact van een behandeling die varieert over meerdere tijdsperioden door observaties te herwegen op basis van de kans om de behandeling van elke periode te ontvangen, gegeven de eerdere behandelgeschiedenis en tijdsvariërende confounders. Het creëert een pseudo-populatie waarin de behandeling in elke periode onafhankelijk is van gemeten confounders, wat een onbevooroordeelde schatting van duurzame behandelstrategieën mogelijk maakt.
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
- 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 and Hall/CRC. link ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Multi-period Inverse Probability Weighting Estimator. ScholarGate. https://scholargate.app/nl/causal-inference/multi-period-inverse-probability-weighting
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 Inverse Waarschijnlijkheids WegingCausale inferentie↔ vergelijken
- Inverse Probability of Treatment Weighting (IPW / IPTW)Causale inferentie↔ vergelijken
- Marginaal Structureel Model (MSM)Causale inferentie↔ vergelijken
- Panel Data Inverse Probability WeightingCausale inferentie↔ vergelijken
- Propensity Score Weighting (PSW / IPW)Causale inferentie↔ vergelijken
Similar methods
Een fout op deze pagina gezien? Meld het of stel een correctie voor →