การถ่วงน้ำหนักด้วยความน่าจะเป็นผกผันเชิงพื้นที่ (Spatial Inverse Probability Weighting - Spatial IPW)
Spatial IPW เป็นการขยายตัวประมาณค่า IPW แบบดั้งเดิมไปยังสถานการณ์ที่หน่วยต่างๆ มีการอ้างอิงเชิงพื้นที่และตำแหน่งเชิงพื้นที่เป็นมิติที่ก่อกวน โดยการรวมพิกัดทางภูมิศาสตร์หรือความใกล้ชิดเชิงพื้นที่เข้ากับแบบจำลองคะแนนความโน้มเอียง (propensity score model) จะทำการถ่วงน้ำหนักตัวอย่างที่สังเกตได้ใหม่ เพื่อให้กลุ่มที่ได้รับการรักษาและกลุ่มควบคุมมีความสมดุลไม่เพียงแต่ในตัวแปรร่วมที่วัดได้เท่านั้น แต่ยังรวมถึงโครงสร้างเชิงพื้นที่ด้วย ซึ่งช่วยให้สามารถอนุมานเชิงสาเหตุที่น่าเชื่อถือจากข้อมูลเชิงสังเกตที่มีดัชนีเชิงพื้นที่ได้
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
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 ↗
- Papadogeorgou, G., Choirat, C., & Zigler, C. M. (2019). Adjusting for unmeasured spatial confounding with distance adjusted propensity score matching. Biostatistics, 20(2), 256-272. DOI: 10.1093/biostatistics/kxx074 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Spatial Inverse Probability Weighting Estimator. ScholarGate. https://scholargate.app/th/causal-inference/spatial-inverse-probability-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.
- Difference-in-Differences (DiD)เศรษฐมิติ↔ compare
- การประมาณค่าแบบทนทานสองเท่า (AIPW)การอนุมานเชิงสาเหตุ↔ compare
- Geographically Weighted Regression (GWR)การวิเคราะห์เชิงพื้นที่↔ compare
- Inverse Probability Weighting (IPW / IPTW) การถ่วงน้ำหนักด้วยความน่าจะเป็นผกผันการอนุมานเชิงสาเหตุ↔ compare
- การจับคู่คะแนนแนวโน้มสถิติการวิจัย↔ compare
- การถดถอยเชิงพื้นที่ (แบบจำลอง Spatial Lag และ Spatial Error)เศรษฐมิติ↔ compare