Regression modelQuasi-experimental / causal inference

空间倾向得分加权

空间倾向得分加权将处理效应的逆概率加权（IPTW）方法扩展到单位具有地理位置且处理分配可能取决于空间因素（如位置、邻里特征或空间聚类）的场景。通过将空间协变量纳入倾向得分模型并调整标准误以处理空间自相关，该方法可以从观测地理数据中产生更可信的因果估计。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

方法图谱

相关方法的邻域——选择一个节点以展开探索。

空间倾向得分加权

地理加权回归 (GWR)逆概率治疗加权法 (IPW / IPTW)倾向得分加权法 (PSW / IPW)空间双重差分法空间倾向得分匹配空间回归不连续设计 (Spatial RDD)

来源

Keele, L., & Titiunik, R. (2015). Geographic Boundaries as Regression Discontinuities. Political Analysis, 23(1), 127-155. DOI: 10.1093/pan/mpu014 ↗
Hirano, K., Imbens, G. W., & Ridder, G. (2003). Efficient Estimation of Average Treatment Effects Using the Estimated Propensity Score. Econometrica, 71(4), 1161-1189. DOI: 10.1111/1468-0262.00442 ↗

如何引用本页

ScholarGate. (2026, June 3). Spatial Propensity Score Weighting for Causal Inference. ScholarGate. https://scholargate.app/zh/causal-inference/spatial-propensity-score-weighting

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

并排比较 →

发现本页有问题？报告或提出修改建议 →