Ters Olasılıkla Tedavi Ağırlıklandırma (IPW / IPTW)
Inverse Probability of Treatment Weighting (IPW / IPTW) · Ayrıca şöyle bilinir: IPW, IPTW, inverse probability of treatment weighting, marginal structural model weighting, Ters Olasılık Ağırlıklandırma (IPW / IPTW)
Ters Olasılıkla Tedavi Ağırlıklandırma, her bir gözleme, aldığı tedaviyi alma olasılığının tersi kadar bir ağırlık atayan nedensel çıkarım yöntemidir. Robins, Hernán ve Brumback (2000) tarafından marjinal yapısal modeller için tanıtılan bu yöntem, tedavi ölçülen karıştırıcı faktörlerden bağımsız olduğu sözde bir popülasyon oluşturarak seçim yanlılığını dengeler.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+53 tane daha
Ne zaman kullanılır
Ölçülen karıştırıcı faktörlerden arındırılmış gözlemsel nedensel sorular için, en az yaklaşık 100 gözlemle bir tedavi etkisi tahmin etmek istediğinizde IPW'yi kullanın. İkili, sürekli (genelleştirilmiş IPW) veya zamanla değişen tedavilere uygulanır ve koşullu bağımsızlık (ölçülmemiş karıştırıcı faktör yok) ve ortak destek (pozitiflik) varsayımları geçerliyken en iyi şekilde çalışır. Eğilim modeli kötü belirlenmişse veya bazı birimlerin tedavi olasılığı sıfıra yakınsa, bu da aşırı ağırlıklara neden olursa daha az uygundur.
Güçlü yönler & sınırlılıklar
- Dengeli bir sözde popülasyon oluşturarak ölçülen karıştırıcı faktörlerden kaynaklanan karıştırmayı ortadan kaldırır.
- İkili, sürekli (genelleştirilmiş IPW) ve zamanla değişen tedavileri ele alır, bu da onu marjinal yapısal modeller için doğal bir uyum haline getirir.
- Ya modellerden biri doğruysa tutarlı kalan çift yönlü sağlam bir tahmin ediciye bir sonuç modeliyle birleştirilebilir.
- Tam olarak veriden doğrulanamayan koşullu bağımsızlık ve ortak destek (pozitiflik) varsayımlarını gerektirir.
- Sıfıra yakın tedavi olasılığına sahip birimlerden gelen aşırı ağırlıklar varyansı şişirir; kırpma yardımcı olur ancak yalnızca kısmen.
- Eğilim modelinin yanlış belirtilmesi, ağırlıkları ve dolayısıyla tahmin edilen etkiyi bozar.
SSS
IPW'de eğilim skoru nedir?
Ölçülen kovaryetlere bağlı olarak tedavi alma olasılığının tahmini olan e(X)'tir, genellikle bir lojistik regresyondan elde edilir. IPW, bu olasılığın tersini her bir gözlem için ağırlık olarak kullanır.
Aşırı ağırlıklar neden önemlidir?
Bir birimin tedavi olasılığı 0 veya 1'e yakın olduğunda, ters ağırlığı çok büyür ve tahmini domine ederek varyansı şişirebilir. Ağırlıkların kırpılması veya stabilize edilmesi bunu hafifletir, ancak ciddi pozitiflik ihlalleri tam olarak kurtarılamaz.
IPW ile eğilim skoru eşleştirmesi arasındaki fark nedir?
Her ikisi de karıştırmayı ele almak için eğilim skorunu kullanır, ancak IPW sözde bir popülasyon oluşturmak için her gözlemi yeniden ağırlıklandırırken, eşleştirme benzer skorlara sahip tedavi görmüş ve görmemiş birimleri eşleştirir. Küçük örneklemler veya kararsız eğilim tahminleri için eşleştirme genellikle daha güvenli bir alternatiftir.
IPW çift yönlü sağlam tahmin ile nasıl ilişkilidir?
IPW, bir sonuç regresyonu ile birleştirilerek, eğilim modelinin veya sonuç modelinin doğru bir şekilde belirtildiği sürece tutarlı kalan artırılmış (çift yönlü sağlam) bir tahmin edici oluşturabilir — bu, yanlış belirtilmeye karşı yararlı bir güvenlik önlemidir.
Kaynaklar
- Robins, J. M., Hernán, M. A., & Brumback, B. (2000). Marginal Structural Models and Causal Inference in Epidemiology. Epidemiology, 11(5), 550-560. DOI: 10.1097/00001648-200009000-00011 ↗
- Cole, S. R., & Hernán, M. A. (2008). Constructing Inverse Probability Weights for Marginal Structural Models. American Journal of Epidemiology, 168(6), 656-664. DOI: 10.1093/aje/kwn164 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Inverse Probability of Treatment Weighting (IPW / IPTW). ScholarGate. https://scholargate.app/tr/causal-inference/inverse-probability-weighting
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Nedensel Aracılık Analizi (Doğal Doğrudan ve Dolaylı Etkiler)Nedensel çıkarım↔ karşılaştır
- Yönlendirilmiş Döngüsüz Graf (DAG) ile Nedensel Tanımlama (do-calculus)Nedensel çıkarım↔ karşılaştır
- Çift Sağlam Tahmin (AIPW)Nedensel çıkarım↔ karşılaştır
- Lojistik RegresyonAraştırma istatistiği↔ karşılaştır
- Eğilim Skoru EşleştirmesiAraştırma istatistiği↔ karşılaştır