Inverse Probability Weighting for Heterogeneous Treatment Effects (HTE-IPW)
HTE-IPW เป็นการขยายแนวคิดของ inverse probability weighting แบบมาตรฐาน เพื่อประมาณค่าว่าผลกระทบเชิงสาเหตุ (causal effects) แตกต่างกันอย่างไรในกลุ่มย่อย (subgroups) หรือตามค่าของตัวแปรร่วม (covariate values) โดยการถ่วงน้ำหนักแต่ละหน่วยการสังเกตด้วยส่วนกลับของความน่าจะเป็นในการได้รับทรีตเมนต์ที่ประมาณค่าได้ วิธีนี้จะสร้างประชากรจำลอง (pseudo-population) ที่ซึ่งทรีตเมนต์เป็นอิสระจากลักษณะพื้นหลัง และจากนั้นจึงประมาณค่าเฉลี่ยของผลกระทบเชิงสาเหตุแบบมีเงื่อนไข (conditional average treatment effects - CATEs) ในรูปของฟังก์ชันของลักษณะเหล่านั้น
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
แผนที่ระเบียบวิธี
ย่านของระเบียบวิธีที่เกี่ยวข้องกัน — เลือกโหนดเพื่อสำรวจ
แหล่งอ้างอิง
- Hirano, K., Imbens, G. W., & Ridder, G. (2003). Efficient estimation of average treatment effects using the estimated propensity score. Econometrica, 71(4), 1161-1189. DOI: 10.1111/1468-0262.00442 ↗
- Abrevaya, J., Hsu, Y.-C., & Lieli, R. P. (2015). Estimating conditional average treatment effects. Journal of Business and Economic Statistics, 33(4), 485-505. DOI: 10.1080/07350015.2014.975555 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Heterogeneous Treatment Effect Estimation via Inverse Probability Weighting. ScholarGate. https://scholargate.app/th/causal-inference/heterogeneous-treatment-effect-inverse-probability-weighting
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- การประมาณค่าแบบทนทานสองเท่า (AIPW)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- การจับคู่คะแนนแนวโน้มเพื่อผลกระทบของการรักษาที่แตกต่างกันการอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- Inverse Probability Weighting (IPW / IPTW) การถ่วงน้ำหนักด้วยความน่าจะเป็นผกผันการอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- แบบจำลองโครงสร้างส่วนเพิ่ม (Marginal Structural Model: MSM)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- การถ่วงน้ำหนักด้วยคะแนนแนวโน้ม (Propensity Score Weighting - PSW / IPW)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ