การถ่วงน้ำหนักคะแนนความโน้มเอียงแบบเบย์
การถ่วงน้ำหนักคะแนนความโน้มเอียงแบบเบย์ (Bayesian Propensity Score Weighting) ประมาณการผลกระทบเชิงสาเหตุของการรักษาในการศึกษาเชิงสังเกตการณ์ โดยการรวมแบบจำลองเบย์สำหรับคะแนนความโน้มเอียงเข้ากับการถ่วงน้ำหนักด้วยความน่าจะเป็นผกผัน ด้วยการกำหนดค่าความน่าจะเป็นก่อนหน้า (prior) ให้กับพารามิเตอร์คะแนนความโน้มเอียง และเผยแพร่ความไม่แน่นอนภายหลัง (posterior uncertainty) ผ่านขั้นตอนการถ่วงน้ำหนัก วิธีการนี้ให้ช่วงความไม่แน่นอนเชิงความน่าจะเป็นอย่างสมบูรณ์สำหรับผลกระทบของการรักษาโดยเฉลี่ย โดยคำนึงถึงความไม่แน่นอนทั้งในแบบจำลองคะแนนและความไม่แน่นอนของผลลัพธ์
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- McCandless, L. C., Gustafson, P., & Austin, P. C. (2009). Bayesian propensity score analysis for observational data. Statistics in Medicine, 28(1), 94–112. DOI: 10.1002/sim.3460 ↗
- Saarela, O., Stephens, D. A., Moodie, E. E. M., & Klein, M. B. (2015). On Bayesian estimation of marginal structural models. Biometrics, 71(2), 279–288. DOI: 10.1111/biom.12269 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Propensity Score Weighting for Causal Inference. ScholarGate. https://scholargate.app/th/causal-inference/bayesian-propensity-score-weighting
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
- การประมาณค่าแบบทนทานสองเท่า (AIPW)การอนุมานเชิงสาเหตุ↔ compare
- Inverse Probability Weighting (IPW / IPTW) การถ่วงน้ำหนักด้วยความน่าจะเป็นผกผันการอนุมานเชิงสาเหตุ↔ compare
- แบบจำลองโครงสร้างส่วนเพิ่ม (Marginal Structural Model: MSM)การอนุมานเชิงสาเหตุ↔ compare
- การจับคู่คะแนนแนวโน้มสถิติการวิจัย↔ compare
- การถ่วงน้ำหนักด้วยคะแนนแนวโน้ม (Propensity Score Weighting - PSW / IPW)การอนุมานเชิงสาเหตุ↔ compare