เปรียบเทียบวิธี

	การประเมินผลกระทบเชิงสาเหตุของผลกระทบการรักษาที่แตกต่างกัน	แบบจำลองโครงสร้างส่วนเพิ่ม (Marginal Structural Model: MSM)
สาขาวิชา	การอนุมานเชิงสาเหตุ	การอนุมานเชิงสาเหตุ
ตระกูล	Regression model	Regression model
ปีกำเนิด	2010s	2000
ผู้ริเริ่ม	Cerulli (2010) for CIE framework; Athey & Wager (2019) for causal forest-based CATE within CIE	James M. Robins, Miguel A. Hernan, Babette Brumback
ประเภท	Quasi-experimental causal inference with subgroup heterogeneity	Causal model / semiparametric weighting
แหล่งต้นตำรับ	Cerulli, G. (2010). Modelling and measuring the effect of public subsidies on business R&D: A critical review of the econometric literature. Economic Record, 86(274), 421-449.	Robins, J. M., Hernan, M. A., & Brumback, B. (2000). Marginal structural models and causal inference in epidemiology. Epidemiology, 11(5), 550-560.
ชื่อเรียกอื่น	HTE-CIE, heterogeneous CIE, CATE-based counterfactual evaluation, subgroup counterfactual impact evaluation	MSM, MSM-IPTW, marginal structural Cox model, weighted structural model
ที่เกี่ยวข้อง	4	5
สรุป	Heterogeneous Treatment Effect Counterfactual Impact Evaluation (HTE-CIE) extends standard counterfactual impact evaluation by estimating how the causal effect of a policy or intervention varies across subgroups defined by pre-treatment characteristics. Rather than reporting a single average treatment effect, it maps the Conditional Average Treatment Effect (CATE) across the covariate space, revealing who benefits most or least from an intervention.	A marginal structural model is a causal modeling framework designed to estimate the effect of a time-varying treatment in the presence of time-varying confounders that are themselves affected by prior treatment. By reweighting observations with inverse probability of treatment weights, MSMs create a pseudo-population in which confounding is eliminated, enabling unbiased estimation of causal treatment contrasts even when standard regression adjustments would fail.