Emparejamiento Exacto Coarsened Bayesiano
El Emparejamiento Exacto Coarsened Bayesiano (Bayesian CEM) combina el marco de coarsening y emparejamiento exacto de Iacus, King y Porro con la inferencia bayesiana posterior. Las covariables se discretizan en intervalos más gruesos para que las unidades tratadas y de control puedan emparejarse exactamente dentro de esos intervalos, y luego se colocan priors bayesianos sobre los parámetros del efecto del tratamiento para producir distribuciones posteriores completas sobre el estimando causal en lugar de una única estimación puntual.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Mapa de métodos
El vecindario de métodos relacionados: selecciona un nodo para explorarlo.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Bayesian Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/es/causal-inference/bayesian-coarsened-exact-matching
¿Qué método?
Coloca este método junto a sus parientes más cercanos y léelos lado a lado: la biblioteca pone los libros sobre la mesa; la elección es tuya.
- Estimador Bayesiano de ApareamientoInferencia causal↔ comparar
- Emparejamiento Bayesiano por Puntuación de PropensiónInferencia causal↔ comparar
- Coarsened Exact Matching (CEM)Inferencia causal↔ comparar
- Equilibrio por EntropíaInferencia causal↔ comparar
- Estimador por emparejamientoInferencia causal↔ comparar
- Emparejamiento por Puntuación de PropensiónEstadística para la investigación↔ comparar
Similar methods
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →