Dynamic Entropy Balancing
Dynamic Entropy Balancing rozszerza podejście do reweightingu oparte na entropy balancing na ustawienia ze zmiennymi w czasie zabiegami w danych panelowych lub podłużnych. Konstruuje wagi jednostek w każdym okresie czasowym, tak aby rozkłady kowariantów jednostek potraktowanych i porównawczych były zrównoważone pod względem określonych momentów, sekwencyjnie dostosowując się do wcześniejszej historii leczenia i zmiennych w czasie czynników zakłócających, aby oszacować przyczynowy wpływ sekwencji leczenia na wyniki.
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
- Hainmueller, J. (2012). Entropy Balancing for Causal Effects: A Multivariate Reweighting Method to Produce Balanced Samples in Observational Studies. Political Analysis, 20(1), 25-46. DOI: 10.1093/pan/mpr025 ↗
- Blackwell, M., & Glynn, A. N. (2018). How to Make Causal Inferences with Time-Series Cross-Sectional Data under Selection on Observables. American Political Science Review, 112(4), 1067-1082. DOI: 10.1017/S0003055418000357 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Dynamic Entropy Balancing for Longitudinal Causal Inference. ScholarGate. https://scholargate.app/pl/causal-inference/dynamic-entropy-balancing
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.
- Dynamiczne ważenie odwrotnością prawdopodobieństwaWnioskowanie przyczynowe↔ compare
- Dynamiczne dopasowanie na podstawie skłonności (DPSM)Wnioskowanie przyczynowe↔ compare
- Entropy BalancingWnioskowanie 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 →