Párování na základě skóre propensity rozšířené o strojové učení
Párování na základě skóre propensity rozšířené o strojové učení (ML-PSM) nahrazuje tradiční logistickou regresi používanou k odhadu skóre propensity flexibilními algoritmy strojového učení – jako jsou gradient boosting stromy, náhodné lesy nebo LASSO – aby lépe zachytilo komplexní, nelineární vztahy mezi kovariáty. Výsledná bohatší skóre propensity zlepšují vyváženost kovariátů a snižují zkreslení v odhadovaném průměrném léčebném účinku na léčené (ATT).
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- McCaffrey, D. F., Ridgeway, G., & Morral, A. R. (2004). Propensity score estimation with boosted regression for evaluating causal effects in observational studies. Psychological Methods, 9(4), 403-425. DOI: 10.1037/1082-989X.9.4.403 ↗
- Westreich, D., Lessler, J., & Funk, M. J. (2010). Propensity score estimation: neural networks, support vector machines, decision trees (CART), and meta-classifiers as alternatives to logistic regression. Journal of Clinical Epidemiology, 63(8), 826-833. DOI: 10.1016/j.jclinepi.2009.11.020 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Machine Learning-Augmented Propensity Score Matching Estimator. ScholarGate. https://scholargate.app/cs/causal-inference/machine-learning-augmented-propensity-score-matching
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.
- Coarsened Exact Matching (CEM)Kauzální inference↔ compare
- Dvojitě robustní odhad (AIPW)Kauzální inference↔ compare
- Vyvažování entropieKauzální inference↔ compare
- Odhadování s rozšířenou dvojitou robustností (ML-DR) pomocí strojového učeníKauzální inference↔ compare
- Párování na základě skóre propensityStatistika ve výzkumu↔ compare
- Vážení na základě skóre sklonu (PSW / IPW)Kauzální inference↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →