Maschinelles Lernen-erweitertes Coarsened Exact Matching (ML-CEM)

Maschinelles Lernen-erweitertes Coarsened Exact Matching erweitert das Coarsened Exact Matching (Iacus, King & Porro, 2012) durch den Einsatz von überwachtem maschinellem Lernen zur Automatisierung und Optimierung des Coarsening-Schritts – der Diskretisierung kontinuierlicher Kovariaten in Bins – anstatt sich auf vom Forscher festgelegte Schnittpunkte zu verlassen. Dies reduziert sowohl die ad-hoc-Subjektivität bei Coarsening-Entscheidungen als auch die Restungleichheit, während die Kernlogik des CEM, nämlich das exakte Matching innerhalb von coarsened Strata, erhalten bleibt.