Metodin todisteiden tietue

Machine Learning-Augmented Propensity Score Matching

Machine learning-augmented propensity score matching (ML-PSM) replaces the traditional logistic regression used to estimate propensity scores with flexible machine learning algorithms — such as gradient boosted trees, random forests, or LASSO — to better capture complex, nonlinear relationships among covariates. The resulting richer propensity scores improve covariate balance and reduce bias in the estimated average treatment effect on the treated (ATT).

Sources recorded, not reviewed

Lähdetietue

Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.

Machine Learning-Augmented Propensity Score Matching Estimator

Taksonominen metoditietue · regression-model / causal-inference

Avaa koko metodi

Kuratoituja väitteitä

Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.

Ei vielä kuratoituja väitteitä

Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.

Liittyvät metodit

Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.

Taxonomic bucketCoarsened Exact Matchingmachine-suggested · Relational suggestion, not evidence.Same method familyDoubly Robust Estimationmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketEntropy Balancingmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketMachine learning-augmented doubly robust estimationmachine-suggested · Relational suggestion, not evidence.See alsoPropensity Score Matchingmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketPropensity Score Weightingmachine-suggested · Relational suggestion, not evidence.