Matching basato su punteggio di propensione aumentato con apprendimento automatico

Il matching basato su punteggio di propensione aumentato con apprendimento automatico (ML-PSM) sostituisce la regressione logistica tradizionale utilizzata per stimare i punteggi di propensione con algoritmi di apprendimento automatico flessibili — come alberi potenziati per gradiente, foreste casuali o LASSO — per catturare meglio relazioni complesse e non lineari tra le covariate. I punteggi di propensione più ricchi risultanti migliorano l'equilibrio delle covariate e riducono il bias nell'effetto medio stimato del trattamento sui trattati (ATT).