Regression modelQuasi-experimental / causal inference
傾向スコア重み付け（PSW / IPW）
傾向スコア重み付けは、共変量分布を処置群と対照群で交換可能に見えるように観測値を再重み付けする因果推論手法であり、観察データからの平均処置効果の不偏推定を可能にする。各単位は、実際に受けた処置を受けた確率の逆数となる重みを受け取る。この戦略はRosenbaumとRubin（1983）によって形式化され、Hirano、Imbens、Ridder（2003）によって効率的な半パラメータ形式が与えられた。
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。
他 34 件
出典
- Rosenbaum, P. R., & Rubin, D. B. (1983). The central role of the propensity score in observational studies for causal effects. Biometrika, 70(1), 41-55. DOI: 10.1093/biomet/70.1.41 ↗
- 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). Propensity Score Weighting Estimator. ScholarGate. https://scholargate.app/ja/causal-inference/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。
- 粗化完全マッチング（CEM）因果推論↔ 比較
- 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
- エントロピー・バランシング因果推論↔ 比較
- 逆確率重み付け法 (IPW / IPTW)因果推論↔ 比較
- 傾向スコアマッチング研究統計↔ 比較
この手法を参照する項目
ベイズ的エントロピー・バランシングベイズ逆確率重み付けベイズ周辺構造モデルベイズ的傾向スコア重み付け粗化完全マッチング（CEM）教育研究における二重頑健推定量動的な反事実的インパクト評価動的エンロピー・バランシング動的時間逆確率重み付け動的傾向スコアマッチングエントロピー・バランシング異質的処置効果の二重頑健推定量（Heterogeneous Treatment Effect Doubly Robust Estimation）異質的処置効果エントロピーバランシング異質的処置効果逆確率重み付け（HTE-IPW）異質的処置効果周辺構造モデル（HTE-MSM）機械学習拡張二重頑健推定量 (ML-DR)機械学習拡張逆確率重み付け（ML-IPW）機械学習強化型周辺構造モデル（ML-MSM）機械学習拡張プロペンシティスコアマッチング機械学習拡張傾向スコア重み付けMarginal Structural Model (MSM)マッチング推定量複数期間逆確率重み付けMulti-period Propensity Score Weightingオンライン加重サンプリングパネルデータ逆確率重み付けパネルデータ傾向スコア重み付け政策評価における二重頑健推定量政策評価における逆確率重み付け政策評価のための周辺構造モデル政策評価における傾向スコアマッチング政策評価における傾向スコア重み付け教育研究における傾向スコアマッチングロバスト逆確率重み付け (Robust IPW)ロバスト周辺構造モデル頑健的傾向スコアマッチングロバスト傾向スコア重み付け空間的エントロピー・バランシング空間的周辺構造モデル（Spatial Marginal Structural Model）空間的傾向スコア重み付け