Appariement Robuste par Score de Propension

L'appariement robuste par score de propension (robust PSM) est une méthode d'inférence causale quasi-expérimentale qui associe des unités traitées et de contrôle selon leur probabilité estimée de recevoir le traitement (le score de propension), puis estime l'effet moyen du traitement à l'aide d'estimateurs de variance qui tiennent compte de l'incertitude introduite par l'estimation du score de propension lui-même. La correction, développée par Abadie et Imbens (2016), empêche les inférences trompeuses que produisent les formules standards de bootstrap ou analytiques lorsqu'elles sont appliquées naïvement après l'appariement.