Pondération par score de propension augmentée par apprentissage automatique
La pondération par score de propension augmentée par apprentissage automatique (ML-PSW) remplace la régression logistique par des algorithmes d'apprentissage automatique flexibles — tels que le gradient boosting, LASSO ou les forêts aléatoires — pour estimer le score de propension, puis utilise des poids de probabilité inverse pour équilibrer les groupes traité et témoin. Cela réduit le biais de mauvaise spécification du modèle lorsque la relation réelle entre les covariables et l'assignation au traitement est complexe ou de grande dimension.
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.
Sources
- 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 ↗
- Lee, B. K., Lessler, J., & Stuart, E. A. (2010). Improving propensity score weighting using machine learning. Statistics in Medicine, 29(3), 337-346. DOI: 10.1002/sim.3782 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Machine Learning-Augmented Propensity Score Weighting. ScholarGate. https://scholargate.app/fr/causal-inference/machine-learning-augmented-propensity-score-weighting
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.
- Différence-en-différences (Diff-in-Diff)Économétrie↔ comparer
- Estimation doublement robuste (AIPW)Inférence causale↔ comparer
- Pondération par l'inverse de la probabilité de traitement (IPW / IPTW)Inférence causale↔ comparer
- Appariement par score de propension augmenté par l'apprentissage automatiqueInférence causale↔ comparer
- Pondération par score de propension (PSP / IPW)Inférence causale↔ comparer
Une erreur sur cette page ? Signalez-la ou proposez une correction →