Запис доказів методу

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

Запис джерела

Цитати скопійовано дослівно з вихідного запису методу. Вони не передбачають перевірки на рівні тверджень.

Machine Learning-Augmented Propensity Score Matching Estimator

Запис таксономічного методу · regression-model / causal-inference

Відкрити повний метод

Відібрані твердження

Твердження збережено в журналі доказів, кожне зі своєю оцінкою.

Відібраних тверджень ще немає

Цей перегляд не вигадує оцінку твердження, якщо в журналі її немає.

Пов'язані методи

Згенеровано з графа методів і показано як рекомендовані системою зв'язки — жодне твердження доказів не передбачається.

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.