Propensity Score Matching aangevuld met Machine Learning
Propensity score matching aangevuld met machine learning (ML-PSM) vervangt de traditionele logistische regressie die wordt gebruikt om propensity scores te schatten door flexibele machine learning-algoritmen — zoals gradient boosted trees, random forests of LASSO — om complexe, niet-lineaire verbanden tussen covariaten beter vast te leggen. De resulterende rijkere propensity scores verbeteren de covariaatbalans en verminderen bias in het geschatte gemiddelde behandelingseffect op de behandelde groep (ATT).
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- 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 ↗
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Machine Learning-Augmented Propensity Score Matching Estimator. ScholarGate. https://scholargate.app/nl/causal-inference/machine-learning-augmented-propensity-score-matching
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Coarsened Exact Matching (CEM)Causale inferentie↔ vergelijken
- Dubbel Robuuste Schatting (AIPW)Causale inferentie↔ vergelijken
- EntropiebalanceringCausale inferentie↔ vergelijken
- Machine Learning-Augmented Doubly Robust Estimation (ML-DR)Causale inferentie↔ vergelijken
- Propensity Score MatchingOnderzoeksstatistiek↔ vergelijken
- Propensity Score Weighting (PSW / IPW)Causale inferentie↔ vergelijken
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →