ScholarGate
Assistant
Regression modelQuasi-experimental / causal inference

Pondération par score de propension spatiale

La pondération par score de propension spatiale étend la pondération par l'inverse de la probabilité de traitement (IPTW) aux contextes où les unités sont géographiquement situées et où l'assignation du traitement peut dépendre de facteurs spatiaux tels que la localisation, les caractéristiques du voisinage ou le regroupement spatial. En intégrant des covariables spatiales dans le modèle de score de propension et en ajustant les erreurs standard pour l'autocorrélation spatiale, elle produit des estimations causales plus crédibles à partir de données géographiques observationnelles.

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. Keele, L., & Titiunik, R. (2015). Geographic Boundaries as Regression Discontinuities. Political Analysis, 23(1), 127-155. DOI: 10.1093/pan/mpu014
  2. 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

Comment citer cette page

ScholarGate. (2026, June 3). Spatial Propensity Score Weighting for Causal Inference. ScholarGate. https://scholargate.app/fr/causal-inference/spatial-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
ScholarGateSpatial Propensity Score Weighting (Spatial Propensity Score Weighting for Causal Inference). Consulté le 2026-06-15 sur https://scholargate.app/fr/causal-inference/spatial-propensity-score-weighting · Jeu de données : https://doi.org/10.5281/zenodo.20539026