Ruimtelijke Propensity Score Weging
Gewogen met de ruimtelijke neigingsscore breidt de inverse waarschijnlijkheid van de behandelingweging (IPTW) uit naar situaties waarin eenheden geografisch gelokaliseerd zijn en de toewijzing van de behandeling afhankelijk kan zijn van ruimtelijke factoren zoals locatie, buurtkenmerken of ruimtelijke clustering. Door ruimtelijke covariaten op te nemen in het neigingsscoremodel en standaardfouten aan te passen voor ruimtelijke autocorrelatie, produceert het geloofwaardigere causale schattingen uit observationele geografische gegevens.
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
- Keele, L., & Titiunik, R. (2015). Geographic Boundaries as Regression Discontinuities. Political Analysis, 23(1), 127-155. DOI: 10.1093/pan/mpu014 ↗
- 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). Spatial Propensity Score Weighting for Causal Inference. ScholarGate. https://scholargate.app/nl/causal-inference/spatial-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.
- Geografisch Gewogen Regressie (GWR)Ruimtelijke analyse↔ vergelijken
- Inverse Probability of Treatment Weighting (IPW / IPTW)Causale inferentie↔ vergelijken
- Propensity Score Weighting (PSW / IPW)Causale inferentie↔ vergelijken
- Ruimtelijke Difference-in-DifferencesCausale inferentie↔ vergelijken
- Ruimtelijke propensity score matchingCausale inferentie↔ vergelijken
- Ruimtelijke Regressie-Discontinuïteitsontwerp (Spatial RDD)Causale inferentie↔ vergelijken
Een fout op deze pagina gezien? Meld het of stel een correctie voor →