Regression modelQuasi-experimental / causal inference

面板数据逆概率加权

面板数据逆概率加权（面板IPW）通过对观测单位进行重加权以创建伪总体，从而估计时变处理的因果效应，在该伪总体中，处理在每个时间点与测量到的混淆因素独立。它将横截面IPW框架扩展到处理状态和混淆因素都在多个时期演变的纵向设置。

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。

面板数据逆概率加权

逆概率治疗加权法 (IPW / IPTW)Marginal Structural Mode…面板数据匹配估计量面板数据倾向得分匹配倾向得分加权法 (PSW / IPW)多期反事实概率加权法面板数据熵平衡面板数据边际结构模型 (MSM)面板数据倾向得分加权

来源

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. Boca Raton: Chapman & Hall/CRC. link ↗

如何引用本页

ScholarGate. (2026, June 3). Panel Data Inverse Probability Weighting Estimator. ScholarGate. https://scholargate.app/zh/causal-inference/panel-data-inverse-probability-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。

并排比较 →

被引用于

多期反事实概率加权法面板数据熵平衡面板数据边际结构模型 (MSM)面板数据倾向得分加权

发现本页有问题？报告或提出修改建议 →