การจับคู่คะแนนแนวโน้มแบบปรับปรุงความแกร่ง
การจับคู่คะแนนแนวโน้มแบบปรับปรุงความแกร่ง (robust PSM) เป็นวิธีการอนุมานเชิงสาเหตุแบบกึ่งทดลองที่จับคู่หน่วยที่ได้รับการรักษาและหน่วยควบคุมตามความน่าจะเป็นโดยประมาณที่จะได้รับการรักษา (คะแนนแนวโน้ม) จากนั้นจึงประมาณค่าเฉลี่ยของผลกระทบของการรักษาโดยใช้ตัวประมาณค่าความแปรปรวนที่คำนึงถึงความไม่แน่นอนที่เกิดจากการประมาณคะแนนแนวโน้มเอง การแก้ไขที่พัฒนาโดย Abadie และ Imbens (2016) ป้องกันการอนุมานที่ทำให้เข้าใจผิดซึ่งสูตรการสุ่มตัวอย่างแบบ bootstrap หรือสูตรวิเคราะห์มาตรฐานให้เมื่อนำไปใช้โดยไม่ระมัดระวังหลังจากการจับคู่
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Abadie, A., & Imbens, G. W. (2016). Matching on the Estimated Propensity Score. Econometrica, 84(2), 781-807. DOI: 10.3982/ECTA11293 ↗
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Robust Propensity Score Matching Estimator. ScholarGate. https://scholargate.app/th/causal-inference/robust-propensity-score-matching
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
- การประมาณค่าแบบทนทานสองเท่า (AIPW)การอนุมานเชิงสาเหตุ↔ compare
- Inverse Probability Weighting (IPW / IPTW) การถ่วงน้ำหนักด้วยความน่าจะเป็นผกผันการอนุมานเชิงสาเหตุ↔ compare
- ตัวประมาณค่าด้วยการจับคู่การอนุมานเชิงสาเหตุ↔ compare
- การจับคู่คะแนนแนวโน้มสถิติการวิจัย↔ compare
- การถ่วงน้ำหนักด้วยคะแนนแนวโน้ม (Propensity Score Weighting - PSW / IPW)การอนุมานเชิงสาเหตุ↔ compare