ScholarGate
Asistent
Regression modelQuasi-experimental / causal inference

Párovanie skóre inklinácie rozšírené o strojové učenie

Strojové učenie rozšírené párovanie skóre inklinácie (ML-PSM) nahrádza tradičnú logistickú regresiu používanú na odhad skóre inklinácie flexibilnými algoritmami strojového učenia — ako sú gradient boosting stromy, náhodné lesy alebo LASSO — na lepšie zachytenie zložitých, nelineárnych vzťahov medzi kovariátmi. Výsledné bohatšie skóre inklinácie zlepšujú rovnováhu kovariátov a znižujú skreslenie odhadovaného priemerného účinku liečby na liečených (ATT).

Otvoriť v MethodMindČoskoroVideoČoskoroStiahnuť snímky

Prečítať celú metódu

Len pre členov

Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.

Prihlásiť sa

Mapa metód

Okolie príbuzných metód — vyberte uzol na preskúmanie.

Zdroje

  1. 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
  2. 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

Ako citovať túto stránku

ScholarGate. (2026, June 3). Machine Learning-Augmented Propensity Score Matching Estimator. ScholarGate. https://scholargate.app/sk/causal-inference/machine-learning-augmented-propensity-score-matching

Ktorá metóda?

Postavte túto metódu vedľa jej najbližších príbuzných a čítajte ich vedľa seba — knižnica vám knihy položí na stôl; voľba je na vás.

Porovnať vedľa seba

Odkazujú sem

ScholarGateMachine Learning-Augmented Propensity Score Matching (Machine Learning-Augmented Propensity Score Matching Estimator). Získané 2026-06-15 z https://scholargate.app/sk/causal-inference/machine-learning-augmented-propensity-score-matching · Dátová sada: https://doi.org/10.5281/zenodo.20539026