เปรียบเทียบวิธี

	โมเดลโครงสร้างตามขอบเขตที่ทนทาน (Robust Marginal Structural Model)	การประมาณค่าแบบทนทานสองเท่า (AIPW)
สาขาวิชา	การอนุมานเชิงสาเหตุ	การอนุมานเชิงสาเหตุ
ตระกูล	Regression model	Regression model
ปีกำเนิด	2000–2004	2005
ผู้ริเริ่ม	Robins, Hernán & Brumback; robustness extensions by Scharfstein, Rotnitzky, Lunceford & Davidian	Robins & Rotnitzky; Bang & Robins
ประเภท	Causal inference / weighted regression	Semiparametric causal estimator
แหล่งต้นตำรับ	Robins, J. M., Hernán, M. A., & Brumback, B. (2000). Marginal structural models and causal inference in epidemiology. Epidemiology, 11(5), 550-560.	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.
ชื่อเรียกอื่น	robust MSM, doubly-robust MSM, sandwich-SE MSM, robust IPTW marginal structural model	AIPW, augmented inverse probability weighting, doubly robust estimator, Çift Gürbüz Kestirici (Augmented IPW / AIPW)
ที่เกี่ยวข้อง	6	5
สรุป	Robust Marginal Structural Models (robust MSMs) extend the standard MSM framework — which uses inverse probability of treatment weighting to handle time-varying confounding — by pairing IPTW estimation with sandwich (robust) standard errors or doubly-robust estimators. This combination yields valid causal estimates and reliable inference even when the outcome regression model is mildly misspecified or weights are moderately variable.	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.