Heterogeniczny Model Strukturalny dla Efektów Marginalnych (HTE-MSM)
Heterogeniczny Model Strukturalny dla Efektów Marginalnych rozszerza klasyczne ramy MSM Robins, Hernana i Brumbacka w celu oszacowania, jak efekty leczenia różnią się w zależności od podgrup lub moderatorów na poziomie indywidualnym. Poprzez ważenie obserwacji wagami odwrotności prawdopodobieństwa otrzymania leczenia (IPTW) i interakcję leczenia z modyfikatorami efektu w ważonym modelu wyniku, podejście to pozwala uzyskać oszacowania przyczynowych efektów specyficzne dla podgrup lub ciągłe na podstawie danych obserwacyjnych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Heterogeneous Treatment Effect Marginal Structural Model. ScholarGate. https://scholargate.app/pl/causal-inference/heterogeneous-treatment-effect-marginal-structural-model
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Estymacja podwójnie odporna (AIPW)Wnioskowanie przyczynowe↔ porównaj
- Heterogeneous Treatment Effect Difference-in-Differences (HTE-DiD)Wnioskowanie przyczynowe↔ porównaj
- Ważenie odwrotnością prawdopodobieństwa leczenia (IPW / IPTW)Wnioskowanie przyczynowe↔ porównaj
- Model strukturalny brzegowy (MSM)Wnioskowanie przyczynowe↔ porównaj
- Ważenie z wykorzystaniem wyniku skłonności (PSW / IPW)Wnioskowanie przyczynowe↔ porównaj
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →