ScholarGate
Assistent
Regression modelQuasi-experimental / causal inference

Politikevaluering via Coarsened Exact Matching (CEM)

Coarsened Exact Matching (CEM) er en kvasieksperimentel kausal-inferens-teknik, der skaber balancerede behandlings- og kontrolgrupper ud fra observationsdata ved midlertidigt at forsimple kovariater til "bins" (kategorier), præcist at matche enheder inden for disse bins og derefter at fjerne umatchede observationer, før politikeffekter estimeres. CEM, introduceret af Iacus, King og Porro, tilhører familien af matchingmetoder med monoton ubalancebegrænsning og er særligt populær inden for politikevaluering.

Åbn i MethodMindSnartApply, compare, get guidance
Tools & resources
Hent slides
Learn & explore
VideoSnart

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Metodekort

Nabolaget af beslægtede metoder — vælg en knude for at udforske.

Kilder

  1. Iacus, S. M., King, G., & Porro, G. (2012). Causal inference without balance checking: Coarsened exact matching. Political Analysis, 20(1), 1-24. DOI: 10.1093/pan/mpr013
  2. Iacus, S. M., King, G., & Porro, G. (2011). Multivariate matching methods that are monotonic imbalance bounding. Journal of the American Statistical Association, 106(493), 345-361. DOI: 10.1198/jasa.2011.tm09599

Sådan citerer du denne side

ScholarGate. (2026, June 3). Coarsened Exact Matching for Policy Evaluation. ScholarGate. https://scholargate.app/da/causal-inference/policy-evaluation-coarsened-exact-matching

Hvilken metode?

Stil denne metode ved siden af dens nærmeste slægtninge, og læs dem side om side — biblioteket lægger bøgerne på bordet; valget er dit.

Sammenlign side om side
ScholarGatePolicy Evaluation Coarsened Exact Matching (Coarsened Exact Matching for Policy Evaluation). Hentet 2026-06-17 fra https://scholargate.app/da/causal-inference/policy-evaluation-coarsened-exact-matching · Datasæt: https://doi.org/10.5281/zenodo.20539026