Model Structural Marginal Augmentat prin Învățare Automată (ML-MSM)
Modelul structural marginal augmentat prin învățare automată combină rigoarea cauzală a cadrului MSM al lui Robins et al. cu algoritmi ML flexibili, adaptivi la date, pentru estimarea scorurilor de propensitate și a modelelor de rezultat. Prin înlocuirea modelelor parametrice de nuisance cu învățători de ansamblu sau rețele neuronale, ML-MSM-urile recuperează estimări cauzale valide sub confuzie, fără a se baza pe forme parametrice specificate corect.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Harta metodelor
Vecinătatea metodelor înrudite — selectați un nod pentru a explora.
Surse
- 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 ↗
- Luedtke, A. R., & van der Laan, M. J. (2016). Statistical inference for the mean outcome under a possibly non-unique optimal treatment strategy. Annals of Statistics, 44(2), 713-742. DOI: 10.1214/15-AOS1384 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Machine Learning-Augmented Marginal Structural Model with Flexible Nuisance Estimation. ScholarGate. https://scholargate.app/ro/causal-inference/machine-learning-augmented-marginal-structural-model
Ce metodă?
Așezați această metodă lângă cele mai apropiate rude și citiți-le alăturat — biblioteca pune cărțile pe masă; alegerea vă aparține.
- Estimare Dublu Robustă (AIPW)Inferență cauzală↔ compară
- Ponderarea prin probabilitatea inversă a tratamentului (IPW / IPTW)Inferență cauzală↔ compară
- Estimare robustă dublu augmentată cu învățare automată (ML-DR)Inferență cauzală↔ compară
- Model Structural Marginal (MSM)Inferență cauzală↔ compară
- Ponderarea Scorului de Propensitate (PSW / IPW)Inferență cauzală↔ compară
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →