เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| Panel Data Marginal Structural Model× | การถ่วงน้ำหนักด้วยส่วนกลับของความน่าจะเป็นสำหรับข้อมูลแผง× | |
|---|---|---|
| สาขาวิชา | การอนุมานเชิงสาเหตุ | การอนุมานเชิงสาเหตุ |
| ตระกูล | Regression model | Regression model |
| ปีกำเนิด | 2000 | 2000 |
| ผู้ริเริ่ม≠ | James M. Robins, Miguel A. Hernan, Babette Brumback | Robins, Hernan & Brumback |
| ประเภท≠ | Causal model for time-varying treatments | Reweighting / causal inference |
| แหล่งต้นตำรับ | Robins, J. M., Hernan, M. A., & Brumback, B. (2000). Marginal structural models and causal inference in epidemiology. Epidemiology, 11(5), 550-560. DOI ↗ | Robins, J. M., Hernan, M. A., & Brumback, B. (2000). Marginal structural models and causal inference in epidemiology. Epidemiology, 11(5), 550-560. DOI ↗ |
| ชื่อเรียกอื่น | MSM panel, longitudinal MSM, panel MSM, time-varying treatment MSM | panel IPW, longitudinal IPW, time-varying IPW, panel IPTW |
| ที่เกี่ยวข้อง | 5 | 5 |
| สรุป≠ | A panel data marginal structural model (MSM) uses inverse probability of treatment weighting (IPTW) across multiple time periods to estimate the causal effect of a time-varying treatment, while appropriately adjusting for time-varying confounders that are themselves affected by prior treatment — a bias source that conventional regression cannot handle. | Panel Data Inverse Probability Weighting (panel IPW) estimates the causal effect of a time-varying treatment by reweighting observed units to create a pseudo-population in which treatment is independent of measured confounders at each time point. It extends the cross-sectional IPW framework to longitudinal settings where treatment status and confounders both evolve across multiple periods. |
| ScholarGateชุดข้อมูล ↗ |
|
|