Regression modelQuasi-experimental / causal inference
機械学習拡張傾向スコア重み付け
機械学習拡張傾向スコア重み付け（ML-PSW）は、ロジスティック回帰を勾配ブースティング、LASSO、ランダムフォレストなどの柔軟なMLアルゴリズムに置き換えて傾向スコアを推定し、逆確率重みを使用して処置群と対照群のバランスを取ります。これにより、共変量と処置割り当ての間の真の関係が複雑または高次元である場合のモデル誤指定バイアスが軽減されます。
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 ↗
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Machine Learning-Augmented Propensity Score Weighting. ScholarGate. https://scholargate.app/ja/causal-inference/machine-learning-augmented-propensity-score-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。
- 差分の差 (Difference-in-Differences, DiD)計量経済学↔ 比較
- 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