ScholarGate
Assistent
Regression modelQuasi-experimental / causal inference

Propensity Score Weighting (PSW / IPW)

Propensity Score Weighting ist eine kausal-inferentielle Methode, die Beobachtungen neu gewichtet, sodass die Kovariatenverteilungen von behandelten und unbehandelten Einheiten austauschbar erscheinen, was eine unverzerrte Schätzung von durchschnittlichen Behandlungseffekten aus Beobachtungsdaten ermöglicht. Jede Einheit erhält ein Gewicht, das der Kehrwert ihrer Wahrscheinlichkeit ist, die tatsächlich erhaltene Behandlung zu erhalten – eine Strategie, die von Rosenbaum und Rubin (1983) formalisiert und von Hirano, Imbens und Ridder (2003) in ihre effiziente semiparametrische Form gebracht wurde.

In MethodMind öffnenDemnächstVideoDemnächstDownload slides

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Method map

The neighbourhood of related methods — select a node to explore.

+34 more

Quellen

  1. Rosenbaum, P. R., & Rubin, D. B. (1983). The central role of the propensity score in observational studies for causal effects. Biometrika, 70(1), 41-55. DOI: 10.1093/biomet/70.1.41
  2. Hirano, K., Imbens, G. W., & Ridder, G. (2003). Efficient estimation of average treatment effects using the estimated propensity score. Econometrica, 71(4), 1161-1189. DOI: 10.1111/1468-0262.00442

So zitieren Sie diese Seite

ScholarGate. (2026, June 3). Propensity Score Weighting Estimator. ScholarGate. https://scholargate.app/de/causal-inference/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.

Compare side by side

Referenziert von

Bayesian Entropy BalancingBayesian Inverse Probability WeightingBayesianisches Marginal Structural ModelBayesian Propensity Score WeightingCoarsened Exact Matching (CEM)Doubly Robust Estimation in der BildungsforschungDynamische kontrafaktische WirkungsabschätzungDynamisches Entropie-BalancingDynamische Inverse WahrscheinlichkeitsgewichtungDynamisches Propensity Score MatchingEntropie-BalancierungDoppelte robuste Schätzung heterogener BehandlungseffekteHeterogene Behandlungseffekte mittels Entropie-BalancierungHeterogeneous Treatment Effect Inverse Probability WeightingHeterogeneous Treatment Effect Marginal Structural ModelMachine Learning-Augmented Doubly Robust Estimation (ML-DR)Maschinelles Lernen-gestützte Inverse Wahrscheinlichkeitsgewichtung (ML-IPW)Maschinelles Lernen-erweitertes Marginal Structural Model (ML-MSM)Maschinelles Lernen-gestützte Propensity-Score-MatchingMaschinelles Lernen-augmentierte Propensity Score GewichtungMarginales Strukturelles Modell (MSM)Matching-SchätzerMehrperioden-Inverse-WahrscheinlichkeitsgewichtungMultiperiodale Propensity-Score-GewichtungOnline Weighted SamplingPaneldaten Inverse WahrscheinlichkeitsgewichtungPaneldaten Propensity-Score-GewichtungDoubly Robust Estimation für PolitikbewertungPolitikbewertung mittels inverser WahrscheinlichkeitsgewichtungMarginales strukturelles Modell zur PolitikbewertungPolitikevaluation mittels Propensity Score MatchingPolitikevaluierung mittels Propensity-Score-GewichtungPropensity Score Matching in der BildungsforschungRobust Inverse Probability Weighting (Robust IPW)Robustes marginales StrukturmodellRobuste Matching-Verfahren basierend auf Propensity ScoresRobuste Gewichtung mittels Propensity ScoresRäumliche Entropie-BalancierungRäumliches Marginal Structural ModelRäumliche Propensity-Score-Gewichtung
ScholarGatePropensity Score Weighting (Propensity Score Weighting Estimator). Abgerufen am 2026-06-15 von https://scholargate.app/de/causal-inference/propensity-score-weighting · Datensatz: https://doi.org/10.5281/zenodo.20539026