Dynamic Propensity Score Matching
Dynamic Propensity Score Matching (DPSM) เป็นการขยายแนวคิด propensity score matching แบบดั้งเดิมไปสู่สถานการณ์ที่มีการกำหนดการรักษาซ้ำๆ ตามช่วงเวลา และการเลือกการรักษาในอดีตส่งผลต่อการเลือกในอนาคต วิธีนี้จะประมาณผลเชิงสาเหตุของลำดับการรักษาทั้งหมดหรือการเปลี่ยนแปลงระบอบการรักษา โดยการสร้างการจับคู่เปรียบเทียบ ณ จุดตัดสินใจแต่ละจุด โดยใช้ประวัติทั้งหมดของตัวแปรร่วมและการรักษาที่ผ่านมา
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Dynamic Propensity Score Matching for Sequential Treatments. ScholarGate. https://scholargate.app/th/causal-inference/dynamic-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.
- การประมาณค่าแบบทนทานสองเท่า (AIPW)การอนุมานเชิงสาเหตุ↔ compare
- ไดนามิก ดิฟ-อิน-ดิฟ (Dynamic Difference-in-Differences)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