ScholarGate
Asistents
Regression modelQuasi-experimental / causal inference

Mašīnmācīšanās papildinātā tendenču rezultātu saskaņošana

Mašīnmācīšanās papildinātā tendenču rezultātu saskaņošana (ML-PSM) aizstāj tradicionālo loģistisko regresiju, ko izmanto tendenču rezultātu novērtēšanai, ar elastīgiem mašīnmācīšanās algoritmiem — piemēram, gradientu pastiprinātiem kokiem, nejaušiem mežiem vai LASSO — lai labāk uztvertu sarežģītas, nelineāras korelāciju starp līdzskaņiem. Rezultātā iegūtie bagātīgākie tendenču rezultāti uzlabo līdzskaņu līdzsvaru un samazina novērtētā vidējā ārstēšanas efekta uz ārstētajiem (ATT) novirzi.

Atvērt MethodMindDrīzumāVideoDrīzumāLejupielādēt slaidus

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Metožu karte

Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.

Avoti

  1. McCaffrey, D. F., Ridgeway, G., & Morral, A. R. (2004). Propensity score estimation with boosted regression for evaluating causal effects in observational studies. Psychological Methods, 9(4), 403-425. DOI: 10.1037/1082-989X.9.4.403
  2. Westreich, D., Lessler, J., & Funk, M. J. (2010). Propensity score estimation: neural networks, support vector machines, decision trees (CART), and meta-classifiers as alternatives to logistic regression. Journal of Clinical Epidemiology, 63(8), 826-833. DOI: 10.1016/j.jclinepi.2009.11.020

Kā citēt šo lapu

ScholarGate. (2026, June 3). Machine Learning-Augmented Propensity Score Matching Estimator. ScholarGate. https://scholargate.app/lv/causal-inference/machine-learning-augmented-propensity-score-matching

Kura metode?

Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.

Salīdzināt blakus

Uz to atsaucas

ScholarGateMachine Learning-Augmented Propensity Score Matching (Machine Learning-Augmented Propensity Score Matching Estimator). Izgūts 2026-06-15 no https://scholargate.app/lv/causal-inference/machine-learning-augmented-propensity-score-matching · Datu kopa: https://doi.org/10.5281/zenodo.20539026