Regression model
Inverse Probability Weighting (IPW / IPTW) การถ่วงน้ำหนักด้วยความน่าจะเป็นผกผัน
การถ่วงน้ำหนักด้วยความน่าจะเป็นผกผัน (Inverse Probability Weighting) เป็นระเบียบวิธีอนุมานเชิงสาเหตุ (causal-inference method) ที่กำหนดน้ำหนักให้กับแต่ละหน่วยการสังเกตเท่ากับส่วนกลับของความน่าจะเป็นที่หน่วยนั้นจะได้รับทรีตเมนต์ที่ได้รับจริง วิธีนี้พัฒนาขึ้นโดย Robins, Hernán และ Brumback (2000) สำหรับแบบจำลองโครงสร้างเชิงขอบเขต (marginal structural models) โดยสร้างประชากรจำลอง (pseudo-population) ที่ทรีตเมนต์เป็นอิสระจากตัวแปรกวนที่วัดได้ (measured confounders) ซึ่งช่วยปรับสมดุลความเอนเอียงจากการคัดเลือก (selection bias)
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
แผนที่ระเบียบวิธี
ย่านของระเบียบวิธีที่เกี่ยวข้องกัน — เลือกโหนดเพื่อสำรวจ
+54 เพิ่มเติม
แหล่งอ้างอิง
- Robins, J. M., Hernán, M. A., & Brumback, B. (2000). Marginal Structural Models and Causal Inference in Epidemiology. Epidemiology, 11(5), 550-560. DOI: 10.1097/00001648-200009000-00011 ↗
- Cole, S. R., & Hernán, M. A. (2008). Constructing Inverse Probability Weights for Marginal Structural Models. American Journal of Epidemiology, 168(6), 656-664. DOI: 10.1093/aje/kwn164 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Inverse Probability of Treatment Weighting (IPW / IPTW). ScholarGate. https://scholargate.app/th/causal-inference/inverse-probability-weighting
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- การวิเคราะห์การถ่ายทอดเหตุผลเชิงสาเหตุ (ผลกระทบโดยตรงและโดยอ้อมตามธรรมชาติ)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- การระบุสาเหตุด้วยกราฟอะไซคลิกแบบมีทิศทาง (do-calculus)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- การประมาณค่าแบบทนทานสองเท่า (AIPW)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- การถดถอยโลจิสติกสถิติการวิจัย↔ เปรียบเทียบ
- การจับคู่คะแนนแนวโน้มสถิติการวิจัย↔ เปรียบเทียบ
ถูกอ้างอิงโดย
การประมาณค่าแบบทวิ-ทน (Bayesian Doubly Robust Estimation)Bayesian Entropy BalancingBayesian Inverse Probability Weightingแบบจำลองโครงสร้างเชิงขอบเขตแบบเบย์ (Bayesian Marginal Structural Model)การจับคู่คะแนนความโน้มเอียงแบบเบย์การถ่วงน้ำหนักคะแนนความโน้มเอียงแบบเบย์Coarsened Exact Matching (CEM)การระบุสาเหตุด้วยกราฟอะไซคลิกแบบมีทิศทาง (do-calculus)การประมาณค่าแบบทนทานสองเท่า (AIPW)การประมาณค่าแบบทนทานสองชั้นในการวิจัยทางการศึกษาการถ่วงดุลเอนโทรปีแบบพลวัตDynamic Inverse Probability Weightingตัวประมาณค่าการจับคู่แบบพลวัตDynamic Propensity Score MatchingEntropy Balancingการคำนวณ G (สูตร G แบบพาราเมตริก)Heterogeneous treatment effect Doubly robust estimationการถ่วงดุลเอนโทรปีสำหรับผลกระทบของการรักษาที่แตกต่างกันInverse Probability Weighting for Heterogeneous Treatment Effects (HTE-IPW)Heterogeneous Treatment Effect Marginal Structural Modelการประมาณค่าความแกร่งสองเท่าที่เสริมด้วยการเรียนรู้ของเครื่อง (ML-DR)การถ่วงดุลเอนโทรปีเสริมด้วยการเรียนรู้ของเครื่องการถ่วงน้ำหนักความน่าจะเป็นผกผันเสริมด้วยการเรียนรู้ของเครื่อง (ML-IPW)แบบจำลองโครงสร้างตามขอบเขตที่เสริมด้วยการเรียนรู้ของเครื่อง (ML-MSM)ตัวประมาณค่าการจับคู่เสริมด้วยการเรียนรู้ของเครื่องการถ่วงน้ำหนักด้วยคะแนนแนวโน้มที่เสริมด้วยการเรียนรู้ของเครื่องแบบจำลองโครงสร้างส่วนเพิ่ม (Marginal Structural Model: MSM)Marginal structural model in education researchการวิเคราะห์ความเสี่ยงคู่แข่งที่จับคู่การศึกษาเฟส IV แบบจับคู่ตัวประมาณค่าด้วยการจับคู่วิธีการจับคู่ (CEM / Optimal / Genetic)การประมาณค่าแบบสองเท่าที่ทนทาน (Multi-period Doubly Robust Estimation)การถ่วงน้ำหนักด้วยส่วนกลับของความน่าจะเป็นแบบหลายช่วงเวลาการถ่วงน้ำหนักคะแนนแนวโน้มหลายช่วงเวลาการถ่วงน้ำหนักด้วยส่วนกลับของความน่าจะเป็นสำหรับข้อมูลแผงPanel Data Marginal Structural Modelการประเมินนโยบายผ่านการจับคู่แบบหยาบที่แม่นยำ (Coarsened Exact Matching - CEM)การประมาณค่าความทนทานสองเท่าสำหรับการประเมินนโยบายการถ่วงดุลเอนโทรปีสำหรับการประเมินนโยบายการประเมินนโยบายด้วยการถ่วงน้ำหนักด้วยความน่าจะเป็นผกผันแบบจำลองโครงสร้างตามขอบเขตสำหรับการประเมินนโยบายตัวประมาณค่าการประเมินนโยบายแบบจับคู่การประเมินนโยบายด้วยการจับคู่คะแนนแนวโน้มการถ่วงน้ำหนักด้วยคะแนนแนวโน้มเพื่อประเมินนโยบายการจับคู่คะแนนแนวโน้มในการวิจัยทางการศึกษาการถ่วงน้ำหนักด้วยคะแนนแนวโน้ม (Propensity Score Weighting - PSW / IPW)การถ่วงน้ำหนักคะแนนแนวโน้มในการวิจัยทางการศึกษาการวิเคราะห์ Kaplan-Meier ปรับความเสี่ยงการศึกษาเฟส IV ที่ปรับตามความเสี่ยงการวิเคราะห์การรอดชีพปรับความเสี่ยงRobust Inverse Probability Weighting (Robust IPW)โมเดลโครงสร้างตามขอบเขตที่ทนทาน (Robust Marginal Structural Model)Robust Matching Estimator (การประมาณค่าด้วยการจับคู่ที่ทนทานต่อความคลาดเคลื่อน)การจับคู่คะแนนแนวโน้มแบบปรับปรุงความแกร่งการถ่วงน้ำหนักคะแนนความโน้มเอียงแบบทนทานการประมาณค่าแบบทนทานสองชั้นเชิงพื้นที่Spatial Inverse Probability Weightingแบบจำลองโครงสร้างตามขอบเขตเชิงพื้นที่การถ่วงน้ำหนักคะแนนแนวโน้มเชิงพื้นที่การประมาณค่าภาวะน่าจะเป็นสูงสุดแบบกำหนดเป้าหมาย (TMLE)