Coarsened Exact Matching Espacial (Spatial CEM)
Spatial CEM aplica el marco de Coarsened Exact Matching a diseños de estudio que involucran unidades geográficas — barrios, secciones censales, municipios o celdas de cuadrícula. Las covariables se agrupan en categorías discretas y las unidades se emparejan exactamente según esas categorías, incorporando atributos espaciales (ubicación, adyacencia, características geográficas) como dimensiones de emparejamiento para controlar la confusión espacial.
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 ↗
- Anselin, L., & Rey, S. J. (Eds.) (2014). Modern Spatial Econometrics in Practice: A Guide to GeoDa, GeoDaSpace and PySAL. GeoDa Press. ISBN: 978-0986342103
Cómo citar esta página
ScholarGate. (2026, June 3). Spatial Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/es/causal-inference/spatial-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.
- Coarsened Exact Matching (CEM)Inferencia causal↔ comparar
- Diferencia en Diferencias (Diff-in-Diff)Econometría↔ comparar
- Emparejamiento por Puntuación de PropensiónEstadística para la investigación↔ comparar
- Estimación Espacialmente Doblemente RobustaInferencia causal↔ comparar
- Emparejamiento Espacial por Puntuación de PropensiónInferencia causal↔ comparar
- Diseño de Discontinuidad por Regresión Espacial (Spatial RDD)Inferencia causal↔ comparar
Similar methods
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →