Динамічне зважування оберненою ймовірністю
Динамічне зважування оберненою ймовірністю (Dynamic IPW) оцінює причинний ефект послідовності часозалежного лікування шляхом перезважування спостережуваних даних для імітації гіпотетичного рандомізованого дослідження. Розроблений Робінсом та колегами в контексті граничних структурних моделей, він вирішує проблему, що в поздовжніх умовах минуле лікування впливає на майбутні коваріати, які, у свою чергу, впливають на майбутнє лікування — петля зворотного зв'язку, яку стандартна регресія не може розплутати.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Dynamic Inverse Probability Weighting for Time-Varying Treatments. ScholarGate. https://scholargate.app/uk/causal-inference/dynamic-inverse-probability-weighting
Який метод?
Поставте цей метод поруч із його найближчими спорідненими й читайте їх пліч-о-пліч — бібліотека викладає книги на стіл; вибір за вами.
- Подвійне робастне оцінювання (AIPW)Причинно-наслідковий висновок↔ порівняти
- Зважування за оберненою ймовірністю лікування (IPW / IPTW)Причинно-наслідковий висновок↔ порівняти
- Маргінальна структурна модель (MSM)Причинно-наслідковий висновок↔ порівняти
- Зважування за показником схильності (PSW / IPW)Причинно-наслідковий висновок↔ порівняти
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →