การจับคู่คะแนนแนวโน้มเพื่อผลกระทบของการรักษาที่แตกต่างกัน
การจับคู่คะแนนแนวโน้มเพื่อผลกระทบของการรักษาที่แตกต่างกัน (Heterogeneous Treatment Effect Propensity Score Matching - HTE-PSM) เป็นการขยายการจับคู่คะแนนแนวโน้มมาตรฐาน (Standard PSM) เพื่อประเมินว่าผลกระทบของการรักษาแตกต่างกันอย่างไรในกลุ่มย่อยหรือลักษณะเฉพาะของแต่ละบุคคล แทนที่จะรายงานค่าเฉลี่ยผลกระทบของการรักษาเพียงค่าเดียว วิธีนี้จะใช้กลุ่มตัวอย่างที่จับคู่กันเพื่อประเมินค่าเฉลี่ยผลกระทบของการรักษาแบบมีเงื่อนไข (Conditional Average Treatment Effects - CATE) ซึ่งจะแสดงให้เห็นว่าหน่วยประเภทใดได้รับประโยชน์มากที่สุดหรือน้อยที่สุดจากการรักษา
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
แผนที่ระเบียบวิธี
ย่านของระเบียบวิธีที่เกี่ยวข้องกัน — เลือกโหนดเพื่อสำรวจ
แหล่งอ้างอิง
- Athey, S., & Imbens, G. W. (2016). Recursive Partitioning for Heterogeneous Causal Effects. Proceedings of the National Academy of Sciences, 113(27), 7353-7360. DOI: 10.1073/pnas.1510489113 ↗
- 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). Heterogeneous Treatment Effect Estimation via Propensity Score Matching. ScholarGate. https://scholargate.app/th/causal-inference/heterogeneous-treatment-effect-propensity-score-matching
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- Difference-in-Differences (DiD)เศรษฐมิติ↔ เปรียบเทียบ
- การประมาณค่าแบบทนทานสองเท่า (AIPW)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- Heterogeneous Treatment Effect Difference-in-Differences (HTE-DiD)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- ตัวประมาณค่าด้วยการจับคู่การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- การจับคู่คะแนนแนวโน้มสถิติการวิจัย↔ เปรียบเทียบ