การถ่วงน้ำหนักด้วยคะแนนแนวโน้ม (Propensity Score Weighting - PSW / IPW)
การถ่วงน้ำหนักด้วยคะแนนแนวโน้มเป็นวิธีการอนุมานเชิงสาเหตุ (causal-inference method) ที่ทำการถ่วงน้ำหนักหน่วยสังเกตการณ์ใหม่ เพื่อให้การแจกแจงของตัวแปรร่วม (covariate distributions) ของหน่วยที่ได้รับการรักษาและหน่วยที่ไม่ได้รับการรักษาดูเหมือนจะสามารถสับเปลี่ยนกันได้ (exchangeable) ซึ่งช่วยให้สามารถประมาณค่าผลกระทบเฉลี่ยของการรักษา (average treatment effects) จากข้อมูลเชิงสังเกต (observational data) ได้อย่างไม่เอนเอียง หน่วยแต่ละหน่วยจะได้รับน้ำหนักซึ่งเป็นส่วนกลับของความน่าจะเป็นที่หน่วยนั้นจะได้รับการรักษาที่ได้รับจริง — กลยุทธ์นี้ถูกกำหนดรูปแบบโดย Rosenbaum และ Rubin (1983) และรูปแบบกึ่งพาราเมตริกที่มีประสิทธิภาพโดย Hirano, Imbens และ Ridder (2003)
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+34 more
แหล่งอ้างอิง
- 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 ↗
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Propensity Score Weighting Estimator. ScholarGate. https://scholargate.app/th/causal-inference/propensity-score-weighting
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.
- Coarsened Exact Matching (CEM)การอนุมานเชิงสาเหตุ↔ compare
- Difference-in-Differences (DiD)เศรษฐมิติ↔ compare
- การประมาณค่าแบบทนทานสองเท่า (AIPW)การอนุมานเชิงสาเหตุ↔ compare
- Entropy Balancingการอนุมานเชิงสาเหตุ↔ compare
- Inverse Probability Weighting (IPW / IPTW) การถ่วงน้ำหนักด้วยความน่าจะเป็นผกผันการอนุมานเชิงสาเหตุ↔ compare
- การจับคู่คะแนนแนวโน้มสถิติการวิจัย↔ compare