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).
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Mapa metód
Okolie príbuzných metód — vyberte uzol na preskúmanie.
Zdroje
- 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 ↗
- 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.
- Zhrubnuté presné párovanie (CEM)Kauzálna inferencia↔ porovnať
- Dvojito robustná (AIPW) estmáciaKauzálna inferencia↔ porovnať
- Vyváženie pomocou entropieKauzálna inferencia↔ porovnať
- Strojové učenie rozšírené o dvojito robustné odhadovanie (ML-DR)Kauzálna inferencia↔ porovnať
- Zodpovedajúce skóre sklonuŠtatistika vo výskume↔ porovnať
- Váhovanie na základe skóre sklonu (PSW / IPW)Kauzálna inferencia↔ porovnať
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →