Dynamisk propensity score-matchning
Dynamisk propensity score-matchning (DPSM) utvidgar klassisk propensity score-matchning till situationer där behandling tilldelas upprepade gånger över tid och tidigare behandlingsval påverkar senare. Den estimerar den kausala effekten av hela behandlingssekvenser eller regimförändringar genom att konstruera matchade jämförelser vid varje beslutspunkt med hjälp av hela historiken av kovariater och tidigare behandlingar.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- Lechner, M., & Miquel, R. (2010). Identification of the effects of dynamic treatments by sequential conditional independence assumptions. Empirical Economics, 39(1), 111-137. DOI: 10.1007/s00181-009-0297-3 ↗
- Robins, J. M. (1986). A new approach to causal inference in mortality studies with a sustained exposure period — application to control of the healthy worker survivor effect. Mathematical Modelling, 7(9-12), 1393-1512. DOI: 10.1016/0270-0255(86)90088-6 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Dynamic Propensity Score Matching for Sequential Treatments. ScholarGate. https://scholargate.app/sv/causal-inference/dynamic-propensity-score-matching
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.
- Dubbelt robust skattning (AIPW)Kausal inferens↔ jämför
- Dynamisk Differens-i-DifferensKausal inferens↔ jämför
- Viktning med inversa sannolikheter för behandling (IPW / IPTW)Kausal inferens↔ jämför
- Marginal Structural Model (MSM)Kausal inferens↔ jämför
- Propensity score-matchningForskningsstatistik↔ jämför
- Propensitetspoängsviktning (PSW / IPW)Kausal inferens↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →