ScholarGate
Assistant
Regression modelQuasi-experimental / causal inference

Pondération par Score de Propension pour Données de Panel

La pondération par score de propension pour données de panel (panel PSW) étend la pondération par l'inverse de la probabilité aux contextes longitudinaux où les mêmes unités sont observées sur plusieurs périodes. Elle repondère les observations par l'inverse de la probabilité, variant dans le temps, de recevoir le traitement pour chaque unité, créant une pseudo-population dans laquelle le traitement est équilibré sur les covariables observées à chaque période, puis estime les effets causaux à partir de données de mesures répétées.

Ouvrir dans MethodMindBientôtVidéoBientôtTélécharger les diapositives

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Carte des méthodes

Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.

Sources

  1. 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
  2. Robins, J. M., Hernan, M. A., & Brumback, B. (2000). Marginal Structural Models and Causal Inference in Epidemiology. Epidemiology, 11(5), 550-560. DOI: 10.1097/00001648-200009000-00011

Comment citer cette page

ScholarGate. (2026, June 3). Panel Data Propensity Score Weighting Estimator. ScholarGate. https://scholargate.app/fr/causal-inference/panel-data-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.

Comparer côte à côte

Référencée par

ScholarGatePanel Data Propensity Score Weighting (Panel Data Propensity Score Weighting Estimator). Consulté le 2026-06-15 sur https://scholargate.app/fr/causal-inference/panel-data-propensity-score-weighting · Jeu de données : https://doi.org/10.5281/zenodo.20539026