Ponderazione basata sul punteggio di propensione aumentata dall'apprendimento automatico
La ponderazione basata sul punteggio di propensione aumentata dall'apprendimento automatico (ML-PSW) sostituisce la regressione logistica con algoritmi di ML flessibili — come il gradient boosting, LASSO o random forest — per stimare il punteggio di propensione, quindi utilizza pesi di probabilità inversa per bilanciare i gruppi trattati e di controllo. Ciò riduce il bias da errata specificazione del modello quando la relazione vera tra covariate e assegnazione al trattamento è complessa o ad alta dimensionalità.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Machine Learning-Augmented Propensity Score Weighting. ScholarGate. https://scholargate.app/it/causal-inference/machine-learning-augmented-propensity-score-weighting
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Difference-in-Differences (Diff-in-Diff)Econometria↔ compare
- Stima a Doppia Robustezza (AIPW)Inferenza causale↔ compare
- Inverse Probability of Treatment Weighting (IPW / IPTW)Inferenza causale↔ compare
- Machine Learning-Augmented Propensity Score MatchingInferenza causale↔ compare
- Ponderazione basata sul punteggio di propensione (PSW / IPW)Inferenza causale↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →