Penimbangan Skor Propensitas yang Diperkuat Pembelajaran Mesin
Penimbangan skor propensitas yang diperkuat pembelajaran mesin (ML-PSW) menggantikan regresi logistik dengan algoritma ML yang fleksibel — seperti gradient boosting, LASSO, atau random forest — untuk mengestimasi skor propensitas, kemudian menggunakan bobot probabilitas terbalik untuk menyeimbangkan kelompok perlakuan dan kontrol. Hal ini mengurangi bias salah spesifikasi model ketika hubungan sebenarnya antara kovariat dan penugasan perlakuan bersifat kompleks atau berdimensi tinggi.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Machine Learning-Augmented Propensity Score Weighting. ScholarGate. https://scholargate.app/id/causal-inference/machine-learning-augmented-propensity-score-weighting
Metode yang mana?
Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.
- Perbedaan-dalam-Perbedaan (Diff-in-Diff)Ekonometrika↔ bandingkan
- Estimasi Robust Ganda (AIPW)Inferensi Kausal↔ bandingkan
- Bobot Probabilitas Invers (IPW / IPTW)Inferensi Kausal↔ bandingkan
- Pencocokan Skor Propensitas yang Diperkuat Pembelajaran MesinInferensi Kausal↔ bandingkan
- Pembobotan Skor Propensitas (PSW / IPW)Inferensi Kausal↔ bandingkan
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →