Regression modelQuasi-experimental / causal inference

动态熵平衡

动态熵平衡（Dynamic Entropy Balancing）将熵平衡（entropy balancing）的重加权方法扩展到面板数据或纵向数据中随时间变化的治疗设置。它在每个时间段构建单位权重，使得治疗组和对照组的协变量分布在指定的矩上达到平衡，并顺序调整先前的治疗历史和时变混杂因素，以估计治疗序列对结果的因果效应。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

方法图谱

相关方法的邻域——选择一个节点以展开探索。

动态熵平衡

动态逆概率加权动态倾向得分匹配熵平衡逆概率治疗加权法 (IPW / IPTW)Marginal Structural Mode…倾向得分加权法 (PSW / IPW)

来源

Hainmueller, J. (2012). Entropy Balancing for Causal Effects: A Multivariate Reweighting Method to Produce Balanced Samples in Observational Studies. Political Analysis, 20(1), 25-46. DOI: 10.1093/pan/mpr025 ↗
Blackwell, M., & Glynn, A. N. (2018). How to Make Causal Inferences with Time-Series Cross-Sectional Data under Selection on Observables. American Political Science Review, 112(4), 1067-1082. DOI: 10.1017/S0003055418000357 ↗

如何引用本页

ScholarGate. (2026, June 3). Dynamic Entropy Balancing for Longitudinal Causal Inference. ScholarGate. https://scholargate.app/zh/causal-inference/dynamic-entropy-balancing

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

并排比较 →

发现本页有问题？报告或提出修改建议 →