Ponderació per puntuació de propensió augmentada per aprenentatge automàtic
La ponderació per puntuació de propensió augmentada per aprenentatge automàtic (ML-PSW) substitueix la regressió logística per algorismes d'aprenentatge automàtic flexibles — com ara el gradient boosting, LASSO o boscos aleatoris — per estimar la puntuació de propensió, i després utilitza ponderacions de probabilitat inversa per equilibrar els grups de tractament i control. Això redueix el biaix de mala especificació del model quan la relació real entre covariables i assignació del tractament és complexa o d'alta dimensionalitat.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Chernozhukov, V., Chetverikov, D., Demirer, M., Duflo, E., Hansen, C., Newey, W., & Robins, J. (2018). Double/debiased machine learning for treatment and structural parameters. The Econometrics Journal, 21(1), C1-C68. DOI: 10.1111/ectj.12097 ↗
- Lee, B. K., Lessler, J., & Stuart, E. A. (2010). Improving propensity score weighting using machine learning. Statistics in Medicine, 29(3), 337-346. DOI: 10.1002/sim.3782 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Machine Learning-Augmented Propensity Score Weighting. ScholarGate. https://scholargate.app/ca/causal-inference/machine-learning-augmented-propensity-score-weighting
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Diferència en Diferències (Diff-in-Diff)Econometria↔ compare
- Estimació Doblement Robusta (AIPW)Inferència causal↔ compare
- Pes pesat per la probabilitat inversa (IPW / IPTW)Inferència causal↔ compare
- Emparellament de puntuacions de propensió augmentat per aprenentatge automàticInferència causal↔ compare
- Ponderació per puntuació de propensió (PSW / IPW)Inferència causal↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →