ScholarGate
دستیار
Regression modelQuasi-experimental / causal inference

تطابق دقیق تقریب‌زده اثرات درمان ناهمگن

تطابق دقیق تقریب‌زده اثرات درمان ناهمگن (HTE-CEM) چارچوب تطابق دقیق تقریب‌زده را گسترش می‌دهد تا تخمین بزند که چگونه اثرات درمان در زیرگروه‌ها یا ویژگی‌های فردی متفاوت است. پس از اینکه CEM طبقه‌های متعادل را با تقریب‌زده کردن کوواریت‌های پیوسته به دسته‌ها و تطابق دقیق واحدها در هر دسته ایجاد کرد، اثرات میانگین درمان شرطی (CATEs) در داخل یا بین این طبقه‌ها محاسبه می‌شوند و نشان می‌دهند که درمان در کجا، برای چه کسی و به چه میزان مؤثر است.

باز کردن در MethodMindبه‌زودیApply, compare, get guidance
Tools & resources
دریافت اسلایدها
Learn & explore
ویدیوبه‌زودی

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

نقشهٔ روش

همسایگی روش‌های مرتبط — برای کاوش، یک گره را برگزینید.

منابع

  1. 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
  2. Imai, K., & Ratkovic, M. (2013). Estimating treatment effect heterogeneity in randomized program evaluation. Annals of Applied Statistics, 7(1), 443-470. DOI: 10.1214/12-AOAS593

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Heterogeneous Treatment Effect Estimation via Coarsened Exact Matching. ScholarGate. https://scholargate.app/fa/causal-inference/heterogeneous-treatment-effect-coarsened-exact-matching

کدام روش؟

این روش را در کنار نزدیک‌ترین روش‌های خویشاوندش بگذارید و آن‌ها را کنار هم بخوانید — کتابخانه کتاب‌ها را روی میز می‌گشاید؛ انتخاب با شماست.

مقایسهٔ کنار هم
ScholarGateHeterogeneous Treatment Effect Coarsened Exact Matching (Heterogeneous Treatment Effect Estimation via Coarsened Exact Matching). بازیابی‌شده در 2026-06-18 از https://scholargate.app/fa/causal-inference/heterogeneous-treatment-effect-coarsened-exact-matching · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026