การถ่วงน้ำหนักด้วยคะแนนแนวโน้มเพื่อประเมินนโยบาย
การถ่วงน้ำหนักด้วยคะแนนแนวโน้มเพื่อประเมินนโยบายประยุกต์ใช้การถ่วงน้ำหนักแบบผกผันของความน่าจะเป็น (inverse-probability weighting) กับข้อมูลเชิงสังเกตเพื่อประมาณผลกระทบเชิงสาเหตุของโครงการนโยบาย โดยการถ่วงน้ำหนักผู้เข้าร่วมและผู้ไม่เข้าร่วมใหม่เพื่อให้มีความคล้ายคลึงกับประชากรเป้าหมาย วิธีนี้จะขจัดความเอนเอียงจากการคัดเลือก (selection bias) ที่เกิดจากการจัดสรรโปรแกรมโดยสมัครใจหรือโดยการบริหารจัดการ โดยไม่จำเป็นต้องมีการสุ่มตัวอย่าง
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 ↗
- Caliendo, M., & Kopeinig, S. (2008). Some Practical Guidance for the Implementation of Propensity Score Matching. Journal of Economic Surveys, 22(1), 31-72. DOI: 10.1111/j.1467-6419.2007.00527.x ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Propensity Score Weighting for Policy Evaluation. ScholarGate. https://scholargate.app/th/causal-inference/policy-evaluation-propensity-score-weighting
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- Difference-in-Differences (DiD)เศรษฐมิติ↔ เปรียบเทียบ
- การประมาณค่าแบบทนทานสองเท่า (AIPW)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- Inverse Probability Weighting (IPW / IPTW) การถ่วงน้ำหนักด้วยความน่าจะเป็นผกผันการอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- การประเมินนโยบาย: วิธีต่าง-ใน-ต่าง (Difference-in-Differences)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- การจับคู่คะแนนแนวโน้มสถิติการวิจัย↔ เปรียบเทียบ
- การถ่วงน้ำหนักด้วยคะแนนแนวโน้ม (Propensity Score Weighting - PSW / IPW)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ