Process / pipelinecausal-inference
Appariement par score de propension
L'appariement par score de propension (PSM) est une méthode de réduction du biais de confusion dans les études observationnelles en équilibrant les caractéristiques de base entre les groupes de traitement, simulant ainsi la randomisation. Développée par Rosenbaum et Rubin (1983), elle estime la probabilité de recevoir un traitement étant donné les covariables observées, puis apparie ou pondère les individus traités et témoins ayant des probabilités de traitement similaires. Largement utilisée en médecine, en épidémiologie et dans l'évaluation des politiques lorsque les essais randomisés sont infaisables ou contraires à l'éthique, elle permet d'estimer les effets du traitement tout en contrôlant le biais de sélection.
Lire la méthode complète
Réservé aux membres
Se connecterConnectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
+114 de plus
Sources
- 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 ↗
- Austin, P. C. (2011). An introduction to propensity score methods for reducing the effects of confounding. Multivariate Behavioral Research, 46(3), 399–424. DOI: 10.1080/00273171.2011.568786 ↗
- Rubin, D. B. (1974). Estimating causal effects of treatments in randomized and nonrandomized studies. Journal of Educational Psychology, 66(5), 688–701. DOI: 10.1037/h0037350 ↗
Comment citer cette page
ScholarGate. (2026, June 4). Propensity Score Matching and Weighting. ScholarGate. https://scholargate.app/fr/research-statistics/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.
- Régression logistiqueStatistiques de recherche↔ comparer
- Analyse de régression multipleStatistiques de recherche↔ comparer
- Analyse de survieStatistiques de recherche↔ comparer
Référencée par
Appariement Exact Coarsened BayésienConception bayésienne ex post factoVariables Instrumentales Bayésiennes (IV Bayésienne)Estimateur bayésien par appariementRecherche quantitative observationnelle bayésienneAppariement Bayésien par Score de PropensionPondération Bayésienne par Score de PropensionModèle bayésien de discontinuité par régressionAnalyse de sensibilité bayésienne pour la causalitéAlgorithmes de découverte causale (PC, FCI, LiNGAM)Analyse d'impact causalCoarsened Exact Matching (CEM)Évaluation d'Impact Contrefactuel (EIC)Évaluation d'impact contrefactuelle en recherche sur l'éducationIdentification causale avec les graphes acycliques dirigés (do-calculus)Différence-en-différences (Diff-in-Diff)Différence-en-différences dans la recherche en éducationEstimation doublement robuste (AIPW)Estimation doublement robuste en recherche en éducationEstimateur d'Appariement DynamiqueAppariement dynamique par score de propensionÉquilibrage par entropieRégression par discontinuité floueLa régression floue par discontinuité (Fuzzy RDD) en recherche sur l'éducationAnalyse d'impact causal des effets de traitement hétérogènesAppariement exact à coarsinement pour les effets hétérogènes du traitementÉvaluation d'impact contrefactuelle des effets hétérogènes du traitementEstimateur d'appariement des effets de traitement hétérogènesAppariement par score de propension pour l'effet de traitement hétérogèneAnalyse de sensibilité des effets hétérogènes du traitement pour la causalitéEffets Hétérogènes du Traitement (CATE / Méta-Apprenants)Variables Instrumentales en Recherche sur l'ÉducationAnalyse de séries chronologiques interrompues (ITS)Les séries chronologiques interrompues en recherche sur l'éducationPondération par l'inverse de la probabilité de traitement (IPW / IPTW)Pondération par Probabilité Inverse dans la Recherche en ÉducationEffet Traitement Moyen Local (ETML / CACE)Régression logistiqueMachine Learning-Augmented Coarsened Exact MatchingÉvaluation d'impact contrefactuelle augmentée par l'apprentissage automatiqueDifférence-en-différences (DiD) augmentée par apprentissage automatique (ML-DiD)Équilibrage d'entropie augmenté par apprentissage automatiqueVariables instrumentales augmentées par l'apprentissage automatique (ML-IV)Estimateur par Appariement Augmenté par Apprentissage AutomatiqueAppariement par score de propension augmenté par l'apprentissage automatiquePlan de régression sur discontinuité augmenté par apprentissage automatiqueMachine Learning-Augmented Sensitivity Analysis for CausalityModèle structurel marginal dans la recherche en éducationÉtude cas-témoins appariéeÉtude de cohorte appariéeAnalyse des risques concurrents appariésAnalyse de Kaplan-Meier appariéeÉtude cas-témoins nichée appariéeEssai clinique de phase II appariéEssai clinique de phase III avec appariementÉtude de Phase IV appariéeAnalyse de survie appariéeEstimateur par appariementMéthodes de jumelage (CEM / Optimal / Génétique)Appariement exact "coarsened" multi-périodesEstimation robuste double multi-périodesEstimateur par appariement multi-périodesImputation MultipleAppariement Exact Coarsened sur Données de PanelDifférence-en-différences sur données de panel (Panel DiD / TWFE)Estimateur par appariement sur données de panelAppariement par score de propension sur données de panelPondération par Score de Propension pour Données de PanelTest placebo en recherche en éducationÉvaluation de politiques par appariement exact à granularité grossière (CEM)Évaluation d'Impact Contrefactuel (EIC) pour l'Évaluation des PolitiquesÉvaluation de politiques publiques : Différence de différencesÉquilibrage par entropie pour l'évaluation des politiquesRégression par discontinuité floue pour l'évaluation des politiquesÉvaluation de politiques publiques par variables instrumentalesÉvaluation de politiques par pondération par l'inverse de la probabilitéEstimateur par appariement pour l'évaluation des politiquesÉtude d'événement sur données de panelÉvaluation de politiques par appariement sur score de propensionPondération par score de propension pour l'évaluation des politiquesÉvaluation de politiques par devis-régression (Regression Discontinuity Design)Méthode du Contrôle Synthétique pour l'Évaluation des PolitiquesPondération par score de propension (PSP / IPW)Pondération par score de propension dans la recherche en éducationLa régression par discontinuité (RDD)Régression par discontinuité (RDD)Modèle de régression par discontinuité en recherche sur l'éducationSérie de cas ajustée au risqueÉtude cas-témoins ajustée aux risquesConception risque-ajustée cas-croiséeÉtude de cohorte avec ajustement des risquesAnalyse des risques concurrents ajustés aux risquesRégression de Cox à risques proportionnels ajustés sur le risqueÉtude épidémiologique transversale ajustée sur les risquesAnalyse de Kaplan-Meier ajustée au risqueÉtude cas-témoins nichée ajustée pour le risqueÉtude de phase IV ajustée au risqueAnalyse de survie ajustée au risqueÉvaluation d'Impact Contrefactuelle RobusteRégression par discontinuité floue robustePondération Inverse de Probabilité Robuste (PIP Robuste)Estimateur par appariement robuste (appariement corrigé du biais)Appariement Robuste par Score de PropensionPondération robuste par score de propensionRégression par discontinuité robusteAnalyse de sensibilité pour la causalitéAnalyse de sensibilité pour la causalité en recherche sur l'éducationAnalyse de sensibilité au biais caché (Bornes de Rosenbaum / E-value)Recherche causale-comparative assistée par simulationAnalyse d'impact causal spatialSpatial Coarsened Exact Matching (Spatial CEM)Évaluation d'Impact Contrefactuel Spatial (EICS)Estimation Doublement Robuste SpatialePondération par l'Inverse de la Probabilité Spatiale (Spatial IPW)Estimateur par Appariement SpatialAppariement par Score de Propension SpatialeDiscontinuité de régression spatiale (Spatial RDD)Analyse de sensibilité spatiale pour la causalitéMéthode Spatiale de Contrôle SynthétiqueAnalyse de survieMéthode du Contrôle Synthétique (MCS)Méthode du Contrôle Synthétique en Recherche sur l'ÉducationVariables instrumentales par moindres carrés en deux étapes (VI/2SLS)
Une erreur sur cette page ? Signalez-la ou proposez une correction →