Regression modelQuasi-experimental / causal inference
機械学習拡張逆確率重み付け（ML-IPW）
機械学習拡張逆確率重み付けは、パラメトリックロジスティック回帰を柔軟な機械学習アルゴリズムに置き換えて、治療の傾向スコアを推定し、その後、治療群と対照群の単位を均衡させるためにサンプルを再重み付けする手法である。lasso、ランダムフォレスト、勾配ブースティングなどのデータ適応型学習器を活用することで、ML-IPWは古典的なIPWが見落とす高次元かつ非線形な交絡因子を制御しつつ、直感的な重み付けフレームワークを維持する。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- 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 ↗
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Machine Learning-Augmented Inverse Probability Weighting Estimator. ScholarGate. https://scholargate.app/ja/causal-inference/machine-learning-augmented-inverse-probability-weighting
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
- 二重に頑健な推定量（AIPW）因果推論↔ 比較
- 逆確率重み付け法 (IPW / IPTW)因果推論↔ 比較
- 機械学習拡張二重頑健推定量 (ML-DR)因果推論↔ 比較
- 機械学習拡張プロペンシティスコアマッチング因果推論↔ 比較
- 傾向スコア重み付け（PSW / IPW）因果推論↔ 比較