Trọng số điểm xu hướng được tăng cường bằng học máy
Trọng số điểm xu hướng được tăng cường bằng học máy (ML-PSW) thay thế hồi quy logistic bằng các thuật toán học máy linh hoạt — như gradient boosting, LASSO, hoặc random forests — để ước tính điểm xu hướng, sau đó sử dụng trọng số nghịch đảo xác suất để cân bằng nhóm được điều trị và nhóm đối chứng. Điều này làm giảm sai lệch do mô hình bị chỉ định sai khi mối quan hệ thực sự giữa các đồng biến và việc chỉ định điều trị phức tạp hoặc có chiều dữ liệu cao.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Bản đồ phương pháp
Lân cận của các phương pháp liên quan — chọn một nút để khám phá.
Nguồn tài liệu
- Chernozhukov, V., Chetverikov, D., Demirer, M., Duflo, E., Hansen, C., Newey, W., & Robins, J. (2018). Double/debiased machine learning for treatment and structural parameters. The Econometrics Journal, 21(1), C1-C68. DOI: 10.1111/ectj.12097 ↗
- Lee, B. K., Lessler, J., & Stuart, E. A. (2010). Improving propensity score weighting using machine learning. Statistics in Medicine, 29(3), 337-346. DOI: 10.1002/sim.3782 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Machine Learning-Augmented Propensity Score Weighting. ScholarGate. https://scholargate.app/vi/causal-inference/machine-learning-augmented-propensity-score-weighting
Phương pháp nào?
Đặt phương pháp này bên cạnh những phương pháp gần gũi nhất với nó và đọc chúng song song — thư viện bày sách lên bàn; lựa chọn là của bạn.
- Phương pháp Sai phân kép (Difference-in-Differences - DiD)Kinh tế lượng↔ so sánh
- Ước lượng Mạnh mẽ Kép (AIPW)Suy luận nhân quả↔ so sánh
- Trọng số Xác suất Nghịch đảo của Điều trị (IPW / IPTW)Suy luận nhân quả↔ so sánh
- Ghép điểm xu hướng được tăng cường bằng học máySuy luận nhân quả↔ so sánh
- Trọng số điểm xu hướng (PSW / IPW)Suy luận nhân quả↔ so sánh
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →