Appariement Bayésien par Score de Propension
L'appariement bayésien par score de propension (Bayesian PSM) étend l'appariement classique par score de propension en plaçant une distribution a priori sur les paramètres du modèle de propension et en propageant l'incertitude a posteriori aux étapes d'appariement et de résultat. Introduit formellement par Kaplan et Chen (2012), il offre un compte rendu principiel de l'incertitude d'estimation que l'appariement fréquentiste ignore couramment, et permet l'incorporation de connaissances a priori substantielles sur la sélection du traitement.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
+1 de plus
Sources
- Kaplan, D., & Chen, J. (2012). A Two-Step Bayesian Approach for Propensity Score Analysis: Simulations and Case Study. Psychometrika, 77(3), 581-609. DOI: 10.1007/s11336-012-9262-8 ↗
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Propensity Score Matching Estimator. ScholarGate. https://scholargate.app/fr/causal-inference/bayesian-propensity-score-matching
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Différences-en-différences bayésiennesInférence causale↔ comparer
- Coarsened Exact Matching (CEM)Inférence causale↔ comparer
- Estimation doublement robuste (AIPW)Inférence causale↔ comparer
- Équilibrage par entropieInférence causale↔ comparer
- Pondération par l'inverse de la probabilité de traitement (IPW / IPTW)Inférence causale↔ comparer
- Appariement par score de propensionStatistiques de recherche↔ comparer
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →