เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| ตัวประมาณค่าด้วยการจับคู่× | Inverse Probability Weighting (IPW / IPTW) การถ่วงน้ำหนักด้วยความน่าจะเป็นผกผัน× | |
|---|---|---|
| สาขาวิชา | การอนุมานเชิงสาเหตุ | การอนุมานเชิงสาเหตุ |
| ตระกูล | Regression model | Regression model |
| ปีกำเนิด≠ | 1973 | 2000 |
| ผู้ริเริ่ม≠ | Rubin (1973); large-sample theory by Abadie & Imbens (2006) | Robins, Hernán & Brumback |
| ประเภท≠ | Nonparametric matching / causal inference | Causal inference weighting estimator |
| แหล่งต้นตำรับ≠ | Abadie, A., & Imbens, G. W. (2006). Large Sample Properties of Matching Estimators for Average Treatment Effects. Econometrica, 74(1), 235-267. DOI ↗ | Robins, J. M., Hernán, M. A., & Brumback, B. (2000). Marginal Structural Models and Causal Inference in Epidemiology. Epidemiology, 11(5), 550-560. DOI ↗ |
| ชื่อเรียกอื่น≠ | nearest-neighbor matching, NNM, matching on covariates, covariate matching | IPW, IPTW, inverse probability of treatment weighting, marginal structural model weighting |
| ที่เกี่ยวข้อง≠ | 6 | 5 |
| สรุป≠ | The matching estimator identifies the causal effect of a treatment by pairing each treated unit with one or more untreated units that have similar observed characteristics. Formalised by Rubin (1973) and given rigorous large-sample theory by Abadie and Imbens (2006), it constructs a credible control group from observational data without requiring a parametric model for the outcome. | Inverse Probability Weighting is a causal-inference method that assigns each observation a weight equal to the inverse of its probability of receiving the treatment it actually received. Introduced by Robins, Hernán and Brumback (2000) for marginal structural models, it builds a pseudo-population in which treatment is independent of measured confounders, balancing selection bias. |
| ScholarGateชุดข้อมูล ↗ |
|
|