เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| แบบจำลองโครงสร้างตามขอบเขตสำหรับการประเมินนโยบาย× | การประมาณค่าแบบทนทานสองเท่า (AIPW)× | |
|---|---|---|
| สาขาวิชา | การอนุมานเชิงสาเหตุ | การอนุมานเชิงสาเหตุ |
| ตระกูล | Regression model | Regression model |
| ปีกำเนิด≠ | 2000 | 2005 |
| ผู้ริเริ่ม≠ | James M. Robins, Miguel A. Hernan, Babette Brumback | Robins & Rotnitzky; Bang & Robins |
| ประเภท≠ | Causal inference / weighted regression | Semiparametric causal estimator |
| 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. & Rotnitzky, A. (1995). Semiparametric Efficiency in Multivariate Regression Models with Missing Data. Journal of the American Statistical Association, 90(429), 122-129. DOI ↗ |
| ชื่อเรียกอื่น | MSM for policy evaluation, policy MSM, causal MSM, structural policy weighting model | AIPW, augmented inverse probability weighting, doubly robust estimator, Çift Gürbüz Kestirici (Augmented IPW / AIPW) |
| ที่เกี่ยวข้อง≠ | 6 | 5 |
| สรุป≠ | A Policy Evaluation Marginal Structural Model (MSM) is a causal inference framework that estimates the population-average effect of a policy by using inverse probability weighting to create a pseudo-population in which treatment assignment is independent of measured confounders, enabling unbiased comparison of potential outcomes under different policy scenarios from observational data. | Doubly Robust Estimation, also called Augmented Inverse Probability Weighting (AIPW), is a semiparametric method for estimating causal treatment effects that combines an outcome regression model with a propensity (treatment) model. Developed in the work of Robins & Rotnitzky (1995) and Bang & Robins (2005), it stays consistent as long as at least one of the two models is correctly specified. |
| ScholarGateชุดข้อมูล ↗ |
|
|