Politika Değerlendirme Marjinal Yapısal Modeli
Marginal Structural Model for Policy Evaluation · Ayrıca şöyle bilinir: MSM for policy evaluation, policy MSM, causal MSM, structural policy weighting model
Politika Değerlendirme Marjinal Yapısal Modeli (MSM), gözlemsel verilerden farklı politika senaryoları altındaki potansiyel sonuçların tarafsız karşılaştırılmasını sağlayarak, tedavi atamasının ölçülen karıştırıcılarla bağımsız olduğu bir sözde-popülasyon oluşturmak için ters olasılık ağırlıklandırmasını kullanan, bir politikanın nüfus-ortalama etkisini tahmin eden nedensel çıkarım çerçevesidir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Gözlemsel veya idari verilerden bir politikanın nedensel etkisini değerlendirmek istediğinizde, özellikle tedavi zamanla değişiyorsa veya ara değişkenler hem sonraki tedavinin karıştırıcıları hem de önceki tedaviden etkileniyorsa (standart regresyonun yanlış ayarladığı bir ortam) bu yaklaşımı kullanın. Her dönemde ölçülen karıştırıcılarla uzunlamasına veya tekrarlanan kesitsel verilere ve makul bir pozitiflik varsayımına ihtiyaç duyar — her birimin her politika seviyesini alma olasılığı pozitif olmalıdır. Önemli karıştırıcıların ölçülmediği durumlarda kullanmayın (araçsal değişken tasarımı tercih edilir), örneklem çok küçük olduğunda (ağırlık tahmini güvenilmez hale gelir) veya politika etkili bir şekilde rastgeleleştirildiğinde (sıradan regresyon yeterlidir).
Güçlü yönler & sınırlılıklar
- Geçmiş tedavi ile gelecekteki karıştırıcılar arasındaki nedensel yol üzerinde yer alan zamanla değişen karıştırmayı doğru bir şekilde ele alır; bu, kovaryet-ayarlı regresyonun yanlı tahminler ürettiği bir ortamdır.
- Politika ile ilgili bir tahmin ediciyi hedefler — karar vericiler ve düzenleyiciler için doğrudan yorumlanabilir olan nüfus-ortalama potansiyel sonuç.
- Doğru bir şekilde belirtilmiş bir sonuç modeli gerektirmez; nedensel tanımlama tedavi modeline dayanır ve bir model sağlamlığı biçimi sağlar.
- Verimliliği artırmak ve aşırı ağırlık değerlerini azaltmak için stabilize edilmiş ağırlıkları dahil edebilir.
- Hem sürekli hem de ikili politika değişkenlerine uygulanabilir ve karmaşık uzunlamasına tedavi dizilerini barındırabilir.
- Tanımlama, ölçülmemiş karıştırıcılar olmaması varsayımına (sıralı değişebilirlik) dayanır; ölçülmemiş karıştırıcılar nedensel sonuçları geçersiz kılar.
- Pozitiflik ihlalleri — bazı kovaryet örüntüleri için hiçbir zaman gözlemlenmeyen politika seviyeleri — varyansı ve yanlılığı artıran aşırı veya tanımsız ağırlıklara yol açar.
- Ağırlık tahmini ayrı bir modelleme adımıdır; eğilim modelinin yanlış belirtilmesi, nedensel tahmine hata yayar.
- Çift sağlam uzantılar (MSM'yi bir sonuç modeliyle birleştirme) karmaşıklık ekler ve dikkatli uygulama gerektirir.
- Özellikle çok sayıda zaman periyodu veya yüksek boyutlu bir karıştırıcı seti olduğunda, ağırlıkları kararlı bir şekilde tahmin etmek için genellikle büyük örneklere ihtiyaç duyulur.
SSS
Marjinal yapısal bir modeli standart ayarlanmış regresyondan ayıran nedir?
Standart regresyon, karıştırıcıları kovaryet olarak dahil ederek koşullandırır, bu da bir karıştırıcının önceki tedavi tarafından etkilendiği durumlarda (zamanla değişen karıştırma) sorunludur. Bir MSM, koşullandırma yerine ters olasılık ağırlıklandırması yoluyla karıştırmayı ortadan kaldırır, bu nedenle nedensel yol üzerindeki ara karıştırıcılar doğru bir şekilde ele alınır.
Pozitiflik varsayımı nedir ve neden önemlidir?
Pozitiflik, her bireyin kovaryet geçmişi göz önüne alındığında, politikanın her seviyesini alma olasılığının sıfır olmayan bir olasılığa sahip olmasını gerektirir. Bazı bireylerin gerçekçi olarak politikayı alamaması (veya kaçınamaması) durumunda, ters olasılık ağırlıkları tanımsız veya aşırı olur, bu da tahminciyi kararsız hale getirir ve o alt grup için nedensel karşıtlığı tanımlanamaz hale getirir.
Ağırlıklarımın makul olup olmadığını nasıl kontrol edebilirim?
Tahmin edilen IPW ağırlıklarının dağılımını inceleyin. Stabilize edilmiş ağırlıkların ortalaması 1'e yakın ve yayılımı sınırlı olmalıdır. 10 veya 20'nin üzerindeki değerler, pozitiflik ihlallerine veya yanlış belirtilmiş eğilim modellerine yakınlığın uyarı işaretleridir. Yüksek bir yüzdelik dilimde (örneğin, %99) ağırlık kırpma veya budama, yaygın bir tanısal çözümdür.
Ek sağlamlık için MSM'yi bir sonuç modeliyle birleştirebilir miyim?
Evet. Artırılmış IPW veya hedeflenmiş maksimum olabilirlik tahmini (TMLE) gibi çift sağlam tahminciler, tahmincinin en az bir model doğru bir şekilde belirtilmişse tutarlı olması için tedavi modelini ve bir sonuç modelini birleştirir. Bu, genellikle örneklem büyüklüğü yeterli olduğunda tercih edilir.
Politika değerlendirmesi için neden bir MSM yerine araçsal değişkenleri tercih etmeliyim?
Önemli karıştırıcıların ölçülmediğine veya ölçülemediğine inanmak için bir neden olduğunda, bir MSM tanımlanamaz ve yanlı tahminler üretecektir. Araçsal değişken stratejisi — politika maruziyetinde rastgeleliğe yakın bir varyasyon kaynağını kullanmak — bu ortamda daha zayıf varsayımlar altında nedensel tanımlama sağlayabilir.
Kaynaklar
- Robins, J. M., Hernan, M. A., & Brumback, B. (2000). Marginal structural models and causal inference in epidemiology. Epidemiology, 11(5), 550–560. DOI: 10.1097/00001648-200009000-00011 ↗
- Hernan, M. A., & Robins, J. M. (2020). Causal Inference: What If. Chapman & Hall/CRC. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Marginal Structural Model for Policy Evaluation. ScholarGate. https://scholargate.app/tr/causal-inference/policy-evaluation-marginal-structural-model
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Karşı-olgusal Etki Değerlendirmesi (CIE)Nedensel çıkarım↔ karşılaştır
- Farkların Farkı (Diff-in-Diff)Ekonometri↔ karşılaştır
- Çift Sağlam Tahmin (AIPW)Nedensel çıkarım↔ karşılaştır
- Ters Olasılıkla Tedavi Ağırlıklandırma (IPW / IPTW)Nedensel çıkarım↔ karşılaştır
- Marjinal Yapısal Model (MSM)Nedensel çıkarım↔ karşılaştır
- Mülkiyet Puanı Ağırlıklandırma (PSW / IPW)Nedensel çıkarım↔ karşılaştır