การประเมินนโยบายด้วยการถ่วงน้ำหนักด้วยความน่าจะเป็นผกผัน
การประเมินนโยบายด้วยการถ่วงน้ำหนักด้วยความน่าจะเป็นผกผัน (IPW) ใช้คะแนนความโน้มเอียงที่ประมาณได้เพื่อถ่วงน้ำหนักหน่วยที่สังเกตได้ใหม่ เพื่อให้กลุ่มตัวอย่างที่ถ่วงน้ำหนักเลียนแบบการทดลองแบบสุ่ม แต่ละหน่วยจะถูกถ่วงน้ำหนักด้วยส่วนกลับของความน่าจะเป็นในการได้รับนโยบาย สร้างประชากรจำลองที่การกำหนดการรักษาเป็นอิสระจากตัวแปรร่วมที่สังเกตได้ และสามารถอ่านค่าผลกระทบของการรักษาโดยเฉลี่ย (ATE) ได้โดยตรง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
แผนที่ระเบียบวิธี
ย่านของระเบียบวิธีที่เกี่ยวข้องกัน — เลือกโหนดเพื่อสำรวจ
แหล่งอ้างอิง
- Imbens, G. W., & Wooldridge, J. M. (2009). Recent Developments in the Econometrics of Program Evaluation. Journal of Economic Literature, 47(1), 5-86. DOI: 10.1257/jel.47.1.5 ↗
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Inverse Probability Weighting for Policy Evaluation. ScholarGate. https://scholargate.app/th/causal-inference/policy-evaluation-inverse-probability-weighting
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- การประมาณค่าแบบทนทานสองเท่า (AIPW)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- Inverse Probability Weighting (IPW / IPTW) การถ่วงน้ำหนักด้วยความน่าจะเป็นผกผันการอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- แบบจำลองโครงสร้างส่วนเพิ่ม (Marginal Structural Model: MSM)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- การประเมินนโยบายด้วยการจับคู่คะแนนแนวโน้มการอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- การจับคู่คะแนนแนวโน้มสถิติการวิจัย↔ เปรียบเทียบ
- การถ่วงน้ำหนักด้วยคะแนนแนวโน้ม (Propensity Score Weighting - PSW / IPW)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ