ScholarGate
Assistent
Regression modelQuasi-experimental / causal inference

Dynamic Inverse Probability Weighting for Time-Varying Treatments

I en enkel studie kan man justera för störfaktorer genom att inkludera dem i en regression. Men när behandling ges vid flera tidpunkter kan en kovariat vid tidpunkt t samtidigt vara en störfaktor för nästa behandlingsbeslut och en mediator för den föregående. Att justera för den i regressionen tar bort både confounding och blockerar den kausala vägen – vilket är motsägelsefullt. Dynamisk IPW kringgår detta genom att skapa en pseudopopulation: varje person viktas med inversen av sannolikheten att de följde sin faktiska behandlingssekvens givet sin kovariathistorik. Subjekt med osannolika behandlingsförlopp viktas upp, vilket effektivt balanserar populationen över behandlingssekvenser som om behandlingen randomiserats vid varje tidpunkt.

Öppna i MethodMindSnartVideoSnartLadda ner bildspel

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Metodkarta

Närområdet av besläktade metoder — välj en nod för att utforska.

Källor

  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

Så citerar du den här sidan

ScholarGate. (2026, June 3). Dynamic Inverse Probability Weighting for Time-Varying Treatments. ScholarGate. https://scholargate.app/sv/causal-inference/dynamic-inverse-probability-weighting

Vilken metod?

Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.

Jämför sida vid sida

Refereras av

ScholarGateDynamic Inverse Probability Weighting (Dynamic Inverse Probability Weighting for Time-Varying Treatments). Hämtad 2026-06-15 från https://scholargate.app/sv/causal-inference/dynamic-inverse-probability-weighting · Datamängd: https://doi.org/10.5281/zenodo.20539026