ScholarGate
Assistent
Regression modelQuasi-experimental / causal inference

Propensity Score Weighting (PSW / IPW)

Propensity score weighting is een causale-inferentiemethode die observaties herwegt zodat de covariatenverdelingen van behandelde en onbehandelde eenheden uitwisselbaar lijken, wat een onbevooroordeelde schatting van gemiddelde behandelingseffecten uit observationele gegevens mogelijk maakt. Elke eenheid krijgt een gewicht dat het omgekeerde is van de waarschijnlijkheid om de behandeling te ontvangen die ze daadwerkelijk hebben ontvangen — een strategie geformaliseerd door Rosenbaum en Rubin (1983) en gegeven zijn efficiënte semiparametrische vorm door Hirano, Imbens en Ridder (2003).

Openen in MethodMindBinnenkortVideoBinnenkortDia's downloaden

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Methodenkaart

De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.

+34 meer

Bronnen

  1. 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
  2. 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

Deze pagina citeren

ScholarGate. (2026, June 3). Propensity Score Weighting Estimator. ScholarGate. https://scholargate.app/nl/causal-inference/propensity-score-weighting

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.

Naast elkaar vergelijken

Geciteerd door

Bayesian Entropy BalancingBayesiaanse Inverse Probability WeightingBayesiaans Marginaal Structureel ModelBayesian Propensity Score WeightingCoarsened Exact Matching (CEM)Dubbel Robuuste Schatting in OnderwijsonderzoekDynamische Causale ImpactevaluatieDynamische EntropiebalanceringDynamische Inverse Waarschijnlijkheids WegingDynamische propensity score matchingEntropiebalanceringDubbel robuuste schatting van heterogene behandelingseffectenHeterogeneus Treatment Effect Entropy BalancingHeterogeneuze Behandelingseffect Inverse Probability Weighting (HTE-IPW)Marginaal Structureel Model voor Heterogene Behandeleffecten (HTE-MSM)Machine Learning-Augmented Doubly Robust Estimation (ML-DR)Machine Learning-Aangevulde Inverse Waarschijnlijkheidsweging (ML-IPW)Machine Learning-Augmented Marginal Structural Model (ML-MSM)Propensity Score Matching aangevuld met Machine LearningMachine Learning-Augmented Propensity Score WeightingMarginaal Structureel Model (MSM)Matching EstimatorMulti-period Inverse Probability WeightingMulti-period Propensity Score WeightingOnline Weighted SamplingPanel Data Inverse Probability WeightingPanel Data Propensity Score WeightingBeleidsevaluatie met dubbel robuuste schattingBeleidsevaluatie Inverse WaarschijnlijkheidswegingMarginaal Structureel Model voor BeleidsevaluatieBeleidsevaluatie met Propensity Score MatchingBeleidsevaluatie met Propensity Score WegingPropensity Score Matching in Education ResearchRobuuste Inverse Probability Weighting (Robuuste IPW)Robuuste Marginale Structurele ModellenRobuuste Propensity Score MatchingRobuuste Gewogenheid op Basis van Propensity ScoresBalancering van ruimtelijke entropieRuimtelijke Marginale Structurele ModelRuimtelijke Propensity Score Weging
ScholarGatePropensity Score Weighting (Propensity Score Weighting Estimator). Geraadpleegd op 2026-06-15 via https://scholargate.app/nl/causal-inference/propensity-score-weighting · Gegevensset: https://doi.org/10.5281/zenodo.20539026