Propensity score-matchning
Propensity score matching (PSM) är en metod för att minska konfoundingseffekter i observationsstudier genom att balansera baslinjekarakteristika mellan behandlingsgrupper, vilket simulerar randomisering. Metoden, utvecklad av Rosenbaum och Rubin (1983), estimerar sannolikheten att få behandling givet observerade kovariater, och matchar eller väger sedan behandlade och kontrollindivider med liknande behandlingssannolikheter. PSM används flitigt inom medicin, epidemiologi och policyutvärdering när randomiserade studier är opraktiska eller oetiska, och möjliggör estimering av behandlingseffekter samtidigt som selektionsbias kontrolleras.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
+114 till
Källor
- Rosenbaum, P. R., & Rubin, D. B. (1983). The central role of the propensity score in observational studies for causal effects. Biometrika, 70(1), 41–55. DOI: 10.1093/biomet/70.1.41 ↗
- Austin, P. C. (2011). An introduction to propensity score methods for reducing the effects of confounding. Multivariate Behavioral Research, 46(3), 399–424. DOI: 10.1080/00273171.2011.568786 ↗
- Rubin, D. B. (1974). Estimating causal effects of treatments in randomized and nonrandomized studies. Journal of Educational Psychology, 66(5), 688–701. DOI: 10.1037/h0037350 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 4). Propensity Score Matching and Weighting. ScholarGate. https://scholargate.app/sv/research-statistics/propensity-score-matching
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- Logistisk regressionForskningsstatistik↔ jämför
- Multipel regressionsanalysForskningsstatistik↔ jämför
- ÖverlevnadsanalysForskningsstatistik↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →