การจับคู่คะแนนความโน้มเอียงแบบเบย์
การจับคู่คะแนนความโน้มเอียงแบบเบย์ (Bayesian PSM) เป็นการต่อยอดจากการจับคู่คะแนนความโน้มเอียงแบบดั้งเดิม โดยการกำหนดการแจกแจงแบบก่อนหน้า (prior distribution) ให้กับพารามิเตอร์ของแบบจำลองความโน้มเอียง และเผยแพร่ความไม่แน่นอนแบบเบย์ (posterior uncertainty) ตลอดขั้นตอนการจับคู่และขั้นตอนผลลัพธ์ วิธีการนี้ได้รับการนำเสนออย่างเป็นทางการโดย Kaplan and Chen (2012) ซึ่งให้คำอธิบายที่เป็นหลักการของความไม่แน่นอนในการประมาณค่าที่การจับคู่แบบความถี่มักละเลย และช่วยให้สามารถรวมความรู้ก่อนหน้าเชิงเนื้อหาเกี่ยวกับการเลือกรับการรักษาได้
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
แหล่งอ้างอิง
- Kaplan, D., & Chen, J. (2012). A Two-Step Bayesian Approach for Propensity Score Analysis: Simulations and Case Study. Psychometrika, 77(3), 581-609. DOI: 10.1007/s11336-012-9262-8 ↗
- Rosenbaum, P. R., & Rubin, D. B. (1983). The central role of the propensity score in observational studies for causal effects. Biometrika, 70(1), 41-55. DOI: 10.1093/biomet/70.1.41 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Propensity Score Matching Estimator. ScholarGate. https://scholargate.app/th/causal-inference/bayesian-propensity-score-matching
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.
- Bayesian Difference-in-Differencesการอนุมานเชิงสาเหตุ↔ compare
- Coarsened Exact Matching (CEM)การอนุมานเชิงสาเหตุ↔ compare
- การประมาณค่าแบบทนทานสองเท่า (AIPW)การอนุมานเชิงสาเหตุ↔ compare
- Entropy Balancingการอนุมานเชิงสาเหตุ↔ compare
- Inverse Probability Weighting (IPW / IPTW) การถ่วงน้ำหนักด้วยความน่าจะเป็นผกผันการอนุมานเชิงสาเหตุ↔ compare
- การจับคู่คะแนนแนวโน้มสถิติการวิจัย↔ compare