Koneoppimista hyödyntävä käänteinen todennäköisyyspainotus (ML-IPW)
Koneoppimista hyödyntävä käänteinen todennäköisyyspainotus (ML-IPW) korvaa parametrisen logistisen regressiomallin joustavilla koneoppimisalgoritmeilla hoitotodennäköisyyspisteiden estimoimiseksi, minkä jälkeen otosta painotetaan uudelleen hoito- ja kontrolliyksiköiden tasapainottamiseksi. Hyödyntämällä datalähtöisiä oppijoita, kuten lassoa, satunnaismetsiä tai gradienttitehostusta, ML-IPW hallitsee korkeaulotteisia ja epälineaarisia sekoittavia tekijöitä, jotka klassinen IPW jättää huomiotta, säilyttäen samalla intuitiivisen painotuskehyksen.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
Lähteet
- 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 ↗
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Machine Learning-Augmented Inverse Probability Weighting Estimator. ScholarGate. https://scholargate.app/fi/causal-inference/machine-learning-augmented-inverse-probability-weighting
Mikä menetelmä?
Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.
- Kaksoisrobustin estimoinnin (AIPW) menetelmäKausaalipäättely↔ vertaa
- Käänteisen todennäköisyyden painotus (IPW / IPTW)Kausaalipäättely↔ vertaa
- Koneoppimista hyödyntävä kaksinkertaisesti robusti estimointi (ML-DR)Kausaalipäättely↔ vertaa
- Koneoppimista hyödyntävä taipumuskoepisteiden täsmäytysKausaalipäättely↔ vertaa
- Propensity Score Weighting (PSW / IPW)Kausaalipäättely↔ vertaa
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →