什么是 边际结构模型？
边际结构模型是描述指定处理干预下反事实结局边际分布或均值的模型，常通过逆概率加权消除已测量处理与混杂历史之间的关联来估计。
快速了解
| 规范文档 | 官方规范 |
|---|
工作原理
先明确干预和因果对比
MSM 可以比较静态方案、动态规则、累积暴露或完整处理历史，但每个系数都必须对应明确的反事实量。分析应说明目标人群、处理版本、随访期限、结局尺度，以及对比属于依从方案效应还是类似分配效应。简短的回归公式不能替代完整方案。
权重构造伪总体，但不会创造新证据
对于纵向处理，稳定权重会连乘各时点的分子概率，再除以给定已测量历史后的处理概率；必要时还要乘入删失权重。在一致性、序贯可交换性、正值性和干扰模型正确的条件下，加权数据可识别边际策略效应。Robins 等人的教程系统解释了 MSM 的构造与解读。
干扰模型与因果模型需要分别诊断
应报告权重均值与尾部、截尾规则、有效样本量、各决策时点的协变量平衡、处理历史支持度，以及对倾向与删失模型的敏感性。随后还要判断 MSM 的函数形式是否表达目标策略对比。看似稳定的权重无法挽救错误的因果模型，灵活的 MSM 也不能消除未测量混杂。
主要特点
- 建模明确干预下的边际反事实结局
- 将因果结局模型与加权估计器区分开
- 可以表达静态、持续或动态处理策略
- 在序贯假设下处理处理-混杂反馈
- 通常同时组合处理权重与删失权重
- 要求检查重叠、平衡、有效样本量与模型设定
常见用途
- 比较始终处理与从不处理的纵向策略
- 估计存在时变混杂时的累积处理效应
- 分析目标试验模拟中的依从方案效应
- 在观察性随访中同时校正处理与删失
- 报告总体平均效应而不是条件回归系数
示例
Loading code...常见问题
边际结构模型等同于逆概率加权吗？
不等同。MSM 规定反事实结局如何随干预变化；逆概率加权只是通过平衡已测量处理历史来估计其参数的一种方法。分析可以有权重却没有有意义的 MSM，MSM 参数也能通过其他有效程序估计。
为什么称为「边际」和「结构」模型？
「边际」表示干预结局对目标人群取平均，而不是固定在某个协变量画像上；「结构」表示在因果识别假设成立时，参数指向干预下的反事实结局，而非观测数据中的条件关联。
边际结构模型何时适合处理时变混杂？
当协变量既影响后续处理与结局，又受到既往处理影响时，MSM 很有价值。序贯权重可校正观测到的处理-混杂反馈，而不必在最终结局模型中直接对这些处理后协变量条件化。
识别边际结构模型效应需要哪些假设？
通常需要定义清楚的处理策略、一致性、无干扰或明确的干扰模型、给定已测量历史后的序贯可交换性、每次合格决策的正值性、正确的处理与删失模型，以及合适的 MSM 函数形式。
边际结构模型应报告哪些诊断结果？
应报告处理历史支持度、倾向概率分布、稳定权重均值与尾部、截尾规则、有效样本量、逐时点协变量平衡、删失模式、替代干扰模型，以及对未测量混杂和 MSM 设定的敏感性。