โมเดลโครงสร้างตามขอบเขตที่ทนทาน (Robust Marginal Structural Model)
โมเดลโครงสร้างตามขอบเขตที่ทนทาน (robust MSMs) ขยายกรอบการทำงานของ MSM มาตรฐาน — ซึ่งใช้การถ่วงน้ำหนักความน่าจะเป็นผกผันของการรักษา (inverse probability of treatment weighting: IPTW) เพื่อจัดการกับตัวแปรกวนที่เปลี่ยนแปลงตามเวลา — โดยการจับคู่การประมาณค่า IPTW กับค่าคลาดเคลื่อนมาตรฐานแบบแซนด์วิช (robust) หรือตัวประมาณค่าแบบทนทานสองเท่า (doubly-robust estimators) การรวมกันนี้ให้ค่าประมาณเชิงสาเหตุที่ถูกต้องและการอนุมานที่เชื่อถือได้ แม้ว่าโมเดลการถดถอยของผลลัพธ์จะระบุผิดพลาดเล็กน้อยหรือน้ำหนักมีความแปรปรวนปานกลาง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
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 ↗
- Hernán, M. A., & Robins, J. M. (2020). Causal Inference: What If. Chapman & Hall/CRC. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Robust Marginal Structural Model with Stabilized Inverse Probability Weighting. ScholarGate. https://scholargate.app/th/causal-inference/robust-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.
- Difference-in-Differences (DiD)เศรษฐมิติ↔ compare
- การประมาณค่าแบบทนทานสองเท่า (AIPW)การอนุมานเชิงสาเหตุ↔ compare
- Inverse Probability Weighting (IPW / IPTW) การถ่วงน้ำหนักด้วยความน่าจะเป็นผกผันการอนุมานเชิงสาเหตุ↔ compare
- แบบจำลองโครงสร้างส่วนเพิ่ม (Marginal Structural Model: MSM)การอนุมานเชิงสาเหตุ↔ compare
- Panel Data Marginal Structural Modelการอนุมานเชิงสาเหตุ↔ compare
- การถ่วงน้ำหนักด้วยคะแนนแนวโน้ม (Propensity Score Weighting - PSW / IPW)การอนุมานเชิงสาเหตุ↔ compare