Dynamisk invers sannsynlighet-vekting
Dynamisk invers sannsynlighet-vekting (Dynamisk IPW) estimerer den kausale effekten av en tidsvarierende behandlingssekvens ved å re-vekte observerte data for å etterligne en hypotetisk randomisert studie. Utviklet av Robins og kolleger i konteksten av marginale strukturelle modeller, håndterer den utfordringen at i longitudinelle innstillinger påvirker tidligere behandling fremtidige kovariater, som igjen påvirker fremtidig behandling – en tilbakekoblingssløyfe som standard regresjon ikke kan løse opp.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 & Hall/CRC. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Dynamic Inverse Probability Weighting for Time-Varying Treatments. ScholarGate. https://scholargate.app/no/causal-inference/dynamic-inverse-probability-weighting
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.
- Dobbel robust estimering (AIPW)Kausal inferens↔ compare
- Inverse Probability of Treatment Weighting (IPW / IPTW)Kausal inferens↔ compare
- Marginal Structural Model (MSM)Kausal inferens↔ compare
- Propensity Score Weighting (PSW / IPW)Kausal inferens↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →