Matching-Schätzer
Der Matching-Schätzer identifiziert den kausalen Effekt einer Behandlung, indem jede behandelte Einheit mit einer oder mehreren unbehandelten Einheiten mit ähnlichen beobachteten Merkmalen gepaart wird. Formalisiert durch Rubin (1973) und mit rigoroser Großstichproben-Theorie versehen durch Abadie und Imbens (2006), konstruiert er eine glaubwürdige Kontrollgruppe aus Beobachtungsdaten, ohne ein parametrisches Modell für das Ergebnis zu benötigen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Quellen
- 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 ↗
- Rubin, D. B. (1973). Matching to Remove Bias in Observational Studies. Biometrics, 29(1), 159-183. DOI: 10.2307/2529684 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Nonparametric Matching Estimator for Average Treatment Effects. ScholarGate. https://scholargate.app/de/causal-inference/matching-estimator
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Coarsened Exact Matching (CEM)Kausale Inferenz↔ compare
- Differenz-in-Differenzen (DiD)Ökonometrie↔ compare
- Doubly Robust Estimation (AIPW)Kausale Inferenz↔ compare
- Inverse Probability of Treatment Weighting (IPW / IPTW)Kausale Inferenz↔ compare
- Propensity Score MatchingForschungsstatistik↔ compare
- Propensity Score Weighting (PSW / IPW)Kausale Inferenz↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →