Methodenbewijsdossier

Machine Learning-Augmented Propensity Score Matching

Machine learning-augmented propensity score matching (ML-PSM) replaces the traditional logistic regression used to estimate propensity scores with flexible machine learning algorithms — such as gradient boosted trees, random forests, or LASSO — to better capture complex, nonlinear relationships among covariates. The resulting richer propensity scores improve covariate balance and reduce bias in the estimated average treatment effect on the treated (ATT).

Sources recorded, not reviewed

Bronrecord

Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.

Machine Learning-Augmented Propensity Score Matching Estimator

Taxonomisch methodendossier · regression-model / causal-inference

Volledige methode openen

Gecureerde claims

Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.

Nog geen gecureerde claims

Deze weergave verzint geen claimbeoordeling als het register er geen heeft.

Gerelateerde methoden

Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.

Taxonomic bucketCoarsened Exact Matchingmachine-suggested · Relational suggestion, not evidence.Same method familyDoubly Robust Estimationmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketEntropy Balancingmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketMachine learning-augmented doubly robust estimationmachine-suggested · Relational suggestion, not evidence.See alsoPropensity Score Matchingmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketPropensity Score Weightingmachine-suggested · Relational suggestion, not evidence.