Многопериодная взвешенная по обратному вероятностному распределению (Multi-period Inverse Probability Weighting, IPW)
Метод многопериодной взвешенной по обратному вероятностному распределению (Multi-period IPW) оценивает причинно-следственный эффект воздействия, меняющегося в течение нескольких временных периодов, путем перевзвешивания наблюдений в соответствии с вероятностью получения воздействия в каждом периоде при условии известной истории прошлых воздействий и зависящих от времени конфаундеров. Он создает псевдо-популяцию, в которой воздействие в каждом периоде независимо от измеренных конфаундеров, что позволяет получить несмещенную оценку устойчивых стратегий воздействия.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- 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 and Hall/CRC. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Multi-period Inverse Probability Weighting Estimator. ScholarGate. https://scholargate.app/ru/causal-inference/multi-period-inverse-probability-weighting
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Двухробастное оценивание (AIPW)Причинно-следственный вывод↔ сравнить
- Динамическое взвешивание по обратной вероятностиПричинно-следственный вывод↔ сравнить
- Взвешивание по обратной вероятности лечения (IPW / IPTW)Причинно-следственный вывод↔ сравнить
- Маргинальная структурная модель (MSM)Причинно-следственный вывод↔ сравнить
- Взвешивание по обратной вероятности для панельных данныхПричинно-следственный вывод↔ сравнить
- Взвешивание на основе оценки склонности (PSW / IPW)Причинно-следственный вывод↔ сравнить
Similar methods
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →