Maschinelles Lernen-augmentierte Propensity Score Gewichtung
Die maschinelles Lernen-augmentierte Propensity Score Gewichtung (ML-PSW) ersetzt die logistische Regression durch flexible ML-Algorithmen – wie Gradient Boosting, LASSO oder Random Forests – zur Schätzung des Propensity Scores und verwendet anschließend inverse Wahrscheinlichkeitsgewichte, um Behandlungs- und Kontrollgruppen auszugleichen. Dies reduziert die Verzerrung durch Modellfehlspezifikation, wenn die wahre Beziehung zwischen Kovariaten und Behandlungszuweisung komplex oder hochdimensional ist.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Machine Learning-Augmented Propensity Score Weighting. ScholarGate. https://scholargate.app/de/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.
- Differenz-in-Differenzen (DiD)Ökonometrie↔ compare
- Doubly Robust Estimation (AIPW)Kausale Inferenz↔ compare
- Inverse Probability of Treatment Weighting (IPW / IPTW)Kausale Inferenz↔ compare
- Maschinelles Lernen-gestützte Propensity-Score-MatchingKausale Inferenz↔ compare
- Propensity Score Weighting (PSW / IPW)Kausale Inferenz↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →