Heterogener Treatment-Effekt-Matching-Schätzer
Der Heterogene Treatment-Effekt (HTE) Matching-Schätzer erweitert das Standard-Matching, um zu erfassen, wie sich Behandlungseffekte über Untergruppen oder Kovariatenwerte hinweg unterscheiden. Anstatt einen einzelnen durchschnittlichen Behandlungseffekt zu berichten, paart er behandelte und Kontroll-Einheiten anhand beobachteter Merkmale und schätzt dann den bedingten durchschnittlichen Behandlungseffekt (CATE) als Funktion dieser Merkmale – wodurch aufgedeckt wird, wer am meisten, am wenigsten oder gar nicht profitiert.
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
- Heckman, J. J., Ichimura, H., & Todd, P. E. (1997). Matching as an Econometric Evaluation Estimator: Evidence from Evaluating a Job Training Programme. Review of Economic Studies, 64(4), 605-654. DOI: 10.2307/2971733 ↗
- Abadie, A., & Imbens, G. W. (2006). Large Sample Properties of Matching Estimators for Average Treatment Effects. Econometrica, 74(1), 235-267. DOI: 10.1111/j.1468-0262.2006.00655.x ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Heterogeneous Treatment Effect Matching Estimator. ScholarGate. https://scholargate.app/de/causal-inference/heterogeneous-treatment-effect-matching-estimator
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.
- Coarsened Exact Matching (CEM)Kausale Inferenz↔ vergleichen
- Doubly Robust Estimation (AIPW)Kausale Inferenz↔ vergleichen
- Entropie-BalancierungKausale Inferenz↔ vergleichen
- Heterogene Effektdifferenz-in-Differenzen (HTE-DiD)Kausale Inferenz↔ vergleichen
- Matching-SchätzerKausale Inferenz↔ vergleichen
- Propensity Score MatchingForschungsstatistik↔ vergleichen
Similar methods
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →