Bayesian Coarsened Exact Matching
Bayesian Coarsened Exact Matching (Bayesian CEM) kombiniert den Rahmen des Grob- und Exakt-Matchings (coarsening-and-exact-matching) von Iacus, King und Porro mit bayesianischer Posterior-Inferenz. Kovariaten werden in gröbere Bins diskretisiert, sodass behandelte und Kontroll-Einheiten innerhalb dieser Bins exakt gematcht werden können. Anschließend werden bayesianische Priors auf die Parameter des Behandlungseffekts gelegt, um vollständige Posterior-Verteilungen für den kausalen Schätzer zu erzeugen, anstatt eines einzelnen Punktwerts.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Methodenkarte
Die Nachbarschaft verwandter Methoden — wählen Sie einen Knoten, um sie zu erkunden.
Quellen
- 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 ↗
- Hill, J. L. (2011). Bayesian Nonparametric Modeling for Causal Inference. Journal of Computational and Graphical Statistics, 20(1), 217-240. DOI: 10.1198/jcgs.2010.08162 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Bayesian Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/de/causal-inference/bayesian-coarsened-exact-matching
Welche Methode?
Stellen Sie diese Methode neben ihre nächsten Verwandten und lesen Sie sie nebeneinander — die Bibliothek legt die Bücher auf den Tisch; die Wahl liegt bei Ihnen.
- Bayesian Matching EstimatorKausale Inferenz↔ vergleichen
- Bayesian Propensity Score MatchingKausale Inferenz↔ vergleichen
- Coarsened Exact Matching (CEM)Kausale Inferenz↔ vergleichen
- Entropie-BalancierungKausale Inferenz↔ vergleichen
- Matching-SchätzerKausale Inferenz↔ vergleichen
- Propensity Score MatchingForschungsstatistik↔ vergleichen
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →