ScholarGate
Asystent
Regression modelQuasi-experimental / causal inference

Model strukturalny brzegowy (MSM)

Marginal Structural Model (MSM) to ramy modelowania przyczynowego zaprojektowane do szacowania wpływu zmiennego w czasie leczenia w obecności zmiennych zakłócających (confounders), na które sam wpływ ma wcześniejsze leczenie. Poprzez reważenie obserwacji wagami odwrotności prawdopodobieństwa otrzymania leczenia (inverse probability of treatment weights, IPTW), MSMs tworzą pseudo-populację, w której zakłócenie jest eliminowane, umożliwiając bezstronne oszacowanie przyczynowych kontrastów leczenia, nawet gdyby standardowe korekty regresyjne zawiodły.

Otwórz w MethodMindWkrótceWideoWkrótceDownload slides

Przeczytaj pełny opis metody

Tylko dla członków

Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.

Zaloguj się

Method map

The neighbourhood of related methods — select a node to explore.

Model strukturalny brzegowy (MSM)
Metoda różnic w różnicac…Estymacja podwójnie odpo…G-Obliczenia (Formuła G)Ważenie odwrotnością pra…Ważenie z wykorzystaniem…Estymacja bayesowska pod…Bayesian Inverse Probabi…Bayesowski marginalny mo…Bayesowskie ważenie z wy…Bayesowska analiza wrażl…

+26 more

Źródła

  1. 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 ↗
  2. Hernan, M. A., & Robins, J. M. (2020). Causal Inference: What If. Chapman & Hall/CRC. link ↗

Jak cytować tę stronę

ScholarGate. (2026, June 3). Marginal Structural Model with Inverse Probability of Treatment Weighting. ScholarGate. https://scholargate.app/pl/causal-inference/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.

Compare side by side →

Cytowana przez

Estymacja bayesowska podwójnie odpornaBayesian Inverse Probability WeightingBayesowski marginalny model strukturalnyBayesowskie ważenie z wykorzystaniem wyniku skłonnościBayesowska analiza wrażliwości dla przyczynowościEstymacja podwójnie odporna (DR) w badaniach edukacyjnychDynamiczne szacowanie wpływu w oparciu o kontrfaktywyDynamic Entropy BalancingDynamiczne ważenie odwrotnością prawdopodobieństwaEstymator dynamicznego dopasowaniaDynamiczne dopasowanie na podstawie skłonności (DPSM)Heterogeneous treatment effect Counterfactual impact evaluationDwukrotnie odporna estymacja heterogenicznych efektów przyczynowychHeterogeneous Treatment Effect Inverse Probability WeightingHeterogeniczny Model Strukturalny dla Efektów Marginalnych (HTE-MSM)Estymacja podwójnie odporna wspomagana uczeniem maszynowym (ML-DR)Uzupełniony o uczenie maszynowe marginalny model strukturalny (ML-MSM)Wielookresowa kontrfaktyczna ewaluacja wpływuEstymacja wielookresowa podwójnie odpornaWielookresowe ważenie odwrotnością prawdopodobieństwaMulti-period Propensity Score WeightingWażenie odwrotnością prawdopodobieństwa dla danych panelowychPanelowy marginalny model strukturalny (MSM)Ważenie danych panelowych za pomocą skłonności (Propensity Score Weighting)Polityczna ocena z podwójnie odpornym estymatoremOcena polityki ważenie odwrotnością prawdopodobieństwaMarginalny Model Strukturalny Oceny PolitykiRobust Inverse Probability Weighting (Robust IPW)Solidny marginalny model strukturalnyZrównoważone ważenie skłonności warunkowejPrzestrzenny marginalny model strukturalny

Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →

ScholarGate — Marginal Structural Model (Marginal Structural Model with Inverse Probability of Treatment Weighting). Pobrano 2026-06-15 z https://scholargate.app/pl/causal-inference/marginal-structural-model · Zbiór danych: https://doi.org/10.5281/zenodo.20539026