Emparejamiento por puntuación de propensión aumentado con aprendizaje automático

El emparejamiento por puntuación de propensión aumentado con aprendizaje automático (ML-PSM) reemplaza la regresión logística tradicional utilizada para estimar las puntuaciones de propensión con algoritmos flexibles de aprendizaje automático —como árboles potenciados por gradiente, bosques aleatorios o LASSO— para capturar mejor las relaciones complejas y no lineales entre las covariables. Las puntuaciones de propensión resultantes, más ricas, mejoran el equilibrio de las covariables y reducen el sesgo en el efecto promedio del tratamiento en los tratados (ATT) estimado.