Bayesowski marginalny model strukturalny
Bayesowski marginalny model strukturalny (Bayesian MSM) łączy moc identyfikacji przyczynowej marginalnych modeli strukturalnych ważonych odwrotną prawdopodobieństwem z wnioskowaniem bayesowskim o rozkładzie a posteriori. Zamiast polegać na estymatorach punktowych i asymptotycznych błędach standardowych, propaguje niepewność poprzez pełny rozkład a posteriori parametrów efektu przyczynowego, oferując spójną kwantyfikację niepewności dla efektów przyczynowych zmiennych w czasie interwencji.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Saarela, O., Stephens, D. A., Moodie, E. E. M., & Klein, M. B. (2015). On Bayesian estimation of marginal structural models. Biometrics, 71(2), 279-288. DOI: 10.1111/biom.12269 ↗
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Marginal Structural Model with Inverse Probability Weighting. ScholarGate. https://scholargate.app/pl/causal-inference/bayesian-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.
- Bayesowska metoda różnic w różnicachWnioskowanie przyczynowe↔ compare
- Zmienne instrumentalne w ujęciu bayesowskim (Bayesian IV)Wnioskowanie przyczynowe↔ compare
- Estymacja podwójnie odporna (AIPW)Wnioskowanie przyczynowe↔ compare
- Ważenie odwrotnością prawdopodobieństwa leczenia (IPW / IPTW)Wnioskowanie przyczynowe↔ compare
- Model strukturalny brzegowy (MSM)Wnioskowanie przyczynowe↔ compare
- Ważenie z wykorzystaniem wyniku skłonności (PSW / IPW)Wnioskowanie przyczynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →