Regression modelQuasi-experimental / causal inference
多期倾向得分加权
多期倾向得分加权将标准的倾向得分加权框架扩展到具有重复测量和时变处理的设置中。它在每个时间点构建稳定的逆概率权重 (IPW)，使得加权样本类似于一系列随机实验，从而能够在存在纵向混杂因素的情况下无偏地估计因果效应。
在 MethodMind 中打开即将推出Apply, compare, get guidance
Tools & resources
Learn & explore
视频即将推出
阅读完整方法
仅限会员
登录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。
来源
- Hernán, M. A., & Robins, J. M. (2020). Causal Inference: What If. Chapman & Hall/CRC. link ↗
- 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 ↗
如何引用本页
ScholarGate. (2026, June 3). Multi-period Propensity Score Weighting for Causal Inference. ScholarGate. https://scholargate.app/zh/causal-inference/multi-period-propensity-score-weighting
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。
- 双重稳健估计（AIPW）因果推断↔ 比较
- 逆概率治疗加权法 (IPW / IPTW)因果推断↔ 比较
- Marginal Structural Model (MSM)因果推断↔ 比较
- 面板数据倾向得分加权因果推断↔ 比较
- 倾向得分加权法 (PSW / IPW)因果推断↔ 比较