Ponderación por Puntuación de Propensión Aumentada por Aprendizaje Automático

La ponderación por puntuación de propensión aumentada por aprendizaje automático (ML-PSW) reemplaza la regresión logística con algoritmos de aprendizaje automático flexibles — como el aumento de gradiente, LASSO o bosques aleatorios — para estimar la puntuación de propensión, y luego utiliza ponderaciones de probabilidad inversa para equilibrar los grupos de tratamiento y control. Esto reduce el sesgo por especificación errónea del modelo cuando la relación verdadera entre las covariables y la asignación del tratamiento es compleja o de alta dimensionalidad.