Maskinlæringsforsterket propensity score-matching

Maskinlæringsforsterket propensity score-matching (ML-PSM) erstatter den tradisjonelle logistiske regresjonen som brukes til å estimere propensity scores med fleksible maskinlæringsalgoritmer — som gradient boosted trees, random forests eller LASSO — for bedre å fange opp komplekse, ikke-lineære sammenhenger mellom kovariater. De resulterende rikere propensity scores forbedrer kovariatbalansen og reduserer skjevhet i den estimerte gjennomsnittlige behandlingseffekten på de behandlede (ATT).