แบบจำลองโครงสร้างเชิงเส้นตามช่วงเวลา (Panel Data Marginal Structural Model - MSM)
แบบจำลองโครงสร้างเชิงเส้นตามช่วงเวลา (MSM) ใช้การถ่วงน้ำหนักความน่าจะเป็นผกผันของการรักษา (inverse probability of treatment weighting - IPTW) ในช่วงเวลาหลายช่วงเพื่อประมาณผลกระทบเชิงสาเหตุของการรักษาที่เปลี่ยนแปลงตามเวลา พร้อมทั้งปรับแก้ตัวแปรกวนที่เปลี่ยนแปลงตามเวลาซึ่งได้รับผลกระทบจากการรักษาที่ผ่านมาอย่างเหมาะสม — ซึ่งเป็นแหล่งความเอนเอียงที่แบบจำลองถดถอยทั่วไปไม่สามารถจัดการได้
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Robins, J. M., Hernan, M. A., & Brumback, B. (2000). Marginal structural models and causal inference in epidemiology. Epidemiology, 11(5), 550-560. DOI: 10.1097/00001648-200009000-00011 ↗
- Hernan, M. A., & Robins, J. M. (2020). Causal Inference: What If. Chapman & Hall/CRC. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Panel Data Marginal Structural Model with Inverse Probability Weighting. ScholarGate. https://scholargate.app/th/causal-inference/panel-data-marginal-structural-model
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.
- Inverse Probability Weighting (IPW / IPTW) การถ่วงน้ำหนักด้วยความน่าจะเป็นผกผันการอนุมานเชิงสาเหตุ↔ compare
- แบบจำลองโครงสร้างส่วนเพิ่ม (Marginal Structural Model: MSM)การอนุมานเชิงสาเหตุ↔ compare
- Panel Data Difference-in-Differences (Panel DiD / TWFE)การอนุมานเชิงสาเหตุ↔ compare
- การถ่วงน้ำหนักด้วยส่วนกลับของความน่าจะเป็นสำหรับข้อมูลแผงการอนุมานเชิงสาเหตุ↔ compare
- แบบจำลอง Fixed Effects สำหรับข้อมูล Panel Dataเศรษฐมิติ↔ compare