Process / pipelinecausal-inference
성향 점수 매칭
성향 점수 매칭(Propensity Score Matching, PSM)은 관찰 연구에서 교란 변수 편향을 줄이기 위한 방법으로, 무작위 배정을 시뮬레이션하여 치료군 간의 기저 특성을 균형 있게 맞춘다. Rosenbaum과 Rubin (1983)에 의해 개발된 이 방법은 관찰된 공변량들을 고려했을 때 치료를 받을 확률을 추정하고, 유사한 치료 확률을 가진 치료군 및 대조군 개체들을 매칭하거나 가중치를 부여한다. 무작위 대조 시험(RCT)이 불가능하거나 비윤리적인 경우 의학, 역학, 정책 평가 등에서 널리 사용되며, 선택 편향을 통제하면서 치료 효과를 추정할 수 있게 한다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
+114개 더
출처
- 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 ↗
- Austin, P. C. (2011). An introduction to propensity score methods for reducing the effects of confounding. Multivariate Behavioral Research, 46(3), 399–424. DOI: 10.1080/00273171.2011.568786 ↗
- Rubin, D. B. (1974). Estimating causal effects of treatments in randomized and nonrandomized studies. Journal of Educational Psychology, 66(5), 688–701. DOI: 10.1037/h0037350 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 4). Propensity Score Matching and Weighting. ScholarGate. https://scholargate.app/ko/research-statistics/propensity-score-matching
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
나란히 비교하기 →이 방법을 참조하는 항목
베이지안 조밀화 정확 매칭베이지안 사후 분석 설계베이즈 도구 변수 (Bayesian IV)베이지안 매칭 추정량베이즈 관찰 양적 연구베이지안 성향 점수 매칭베이지안 성향 점수 가중법베이지안 회귀 불연속 설계인과관계에 대한 베이즈 민감도 분석인과관계 발견 알고리즘 (PC, FCI, LiNGAM)인과 충격 분석Coarsened Exact Matching (CEM)반사실적 영향 평가 (CIE)교육 연구에서의 반사실적 영향 평가방향성 비순환 그래프(DAG)를 이용한 인과 관계 식별(do-calculus)이중차분법 (Diff-in-Diff)교육 연구에서의 이중차분법이중 강건 추정 (AIPW)교육 연구에서의 이중으로 강건한 추정동적 매칭 추정량동적 성향 점수 매칭엔트로피 균형퍼지 회귀 불연속 설계교육 연구에서의 퍼지 회귀 불연속 설계이질적 처리 효과 인과 영향 분석이질적 처리 효과 조밀화된 정확 매칭 (Heterogeneous Treatment Effect Coarsened Exact Matching)이질적 처리 효과 반사실적 영향 평가이질적 처리 효과 매칭 추정량이질적 처리 효과 성향 점수 매칭이질적 처치 효과 민감도 분석이질적 처리 효과 (CATE / 메타 학습기)교육 연구에서의 도구 변수시계열 단절 분석 (Interrupted Time Series, ITS)교육 연구에서의 단절 시계열 분석역확률 가중치 (Inverse Probability Weighting, IPW / IPTW)교육 연구에서의 역확률 가중치국소 평균 처리 효과 (LATE / CACE)로지스틱 회귀기계 학습 증강 조밀화된 정확 일치법 (ML-CEM)기계 학습 증강 반사실적 영향 평가Machine Learning-Augmented Difference-in-Differences (ML-DiD)기계학습 증강 엔트로피 균형 (Machine Learning-Augmented Entropy Balancing)기계 학습 증강 도구 변수 (ML-IV)기계 학습 증강 매칭 추정량기계 학습 증강 성향 점수 매칭머신러닝 증강 회귀 불연속 설계인과관계에 대한 머신러닝 증강 민감도 분석교육 연구에서의 주변 구조 모형짝짓기 환자-대조군 연구Matched Cohort Study매칭된 경쟁 위험 분석매칭된 Kaplan-Meier 분석일치형 중첩 환자-대조 연구Matched Phase II 임상시험짝을 이룬 3상 임상시험매칭된 4상 연구매칭 생존 분석매칭 추정량매칭 방법 (CEM / 최적 / 유전)다기간 축소 정확 일치법다기간 이중 강건 추정다기간 매칭 추정량Multiple Imputation패널 데이터 조밀화 정확 매칭패널 데이터 이중차분법 (패널 DiD / TWFE)패널 데이터 매칭 추정량패널 데이터 성향 점수 매칭패널 데이터 성향 점수 가중치 (panel PSW)교육 연구에서의 위약 검정CEM(Coarsened Exact Matching)을 이용한 정책 평가정책 평가 준거영향평가 (CIE)정책 평가 차이-이중차분정책 평가 엔트로피 균형정책 평가를 위한 퍼지 회귀 불연속점Policy Evaluation Instrumental Variables정책 평가 역확률 가중치 (Policy Evaluation Inverse Probability Weighting)정책 평가 매칭 추정량정책 평가 패널 사건 연구정책 평가 성향 점수 매칭정책 평가 성향 점수 가중치 부여정책 평가 회귀 불연속 설계정책 평가를 위한 합성 통제 방법성향 점수 가중치 (PSW / IPW)교육 연구에서의 성향 점수 가중치 부여회귀 불연속 설계(Regression Discontinuity Design, RDD)회귀 불연속성 설계 (RDD)교육 연구에서의 회귀 불연속 설계위험 조정 사례 시리즈위험 조정된 환자-대조군 연구위험 조정 사례-교차 설계위험 조정 코호트 연구위험 조정 경쟁 위험 분석위험 조정 Cox 비례 위험 모형위험 조정 횡단 역학 연구위험 조정 카플란-마이어 분석위험도 보정 중첩형 환자-대조군 연구위험 조정된 4상 연구위험 조정 생존 분석강건한 반사실적 영향 평가강건 퍼지 회귀 불연속성 설계강건 역확률 가중치 (Robust IPW)강건 매칭 추정량 (편향 보정 매칭)강건 성향 점수 매칭강건한 성향 점수 가중치강건 회귀 불연속성 설계인과관계에 대한 민감도 분석교육 연구에서의 인과관계 민감도 분석숨겨진 편향에 대한 민감도 분석 (로젠바움 경계 / E-값)시뮬레이션 보조 인과 비교 연구공간적 인과 영향 분석공간적 조밀화된 정확 일치법 (Spatial CEM)공간적 반사실적 영향 평가 (SCIE)공간 이중 강건 추정공간 역확률 가중치 (Spatial IPW)공간 일치 추정량공간 성향 점수 매칭공간 회귀 불연속 설계 (Spatial RDD)공간 민감도 분석 (Spatial Sensitivity Analysis for Causality)공간 합성 통제 방법생존 분석합성 통제 방법 (SCM)교육 연구에서의 합성 통제 방법내생적 회귀변수에 대한 도구변수(IV/2SLS) 2단계 최소제곱법