تطابق دقیق تقریب زده شده با تقویت یادگیری ماشین (ML-CEM)
تطابق دقیق تقریب زده شده با تقویت یادگیری ماشین، تطابق دقیق تقریب زده شده (Iacus, King & Porro, 2012) را با استفاده از یادگیری ماشین نظارت شده برای خودکارسازی و بهینهسازی مرحله تقریب - گسستهسازی متغیرهای پیوسته به دستهها - به جای اتکا به نقاط برش مشخص شده توسط پژوهشگر، گسترش میدهد. این امر هم ذهنیت دلخواه در تصمیمگیریهای تقریب و هم عدم توازن باقیمانده را کاهش میدهد، در حالی که منطق اصلی CEM یعنی تطابق دقیق در سطوح تقریب زده شده را حفظ میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
نقشهٔ روش
همسایگی روشهای مرتبط — برای کاوش، یک گره را برگزینید.
منابع
- 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 ↗
- Imai, K., & Ratkovic, M. (2014). Covariate balancing propensity score. Journal of the Royal Statistical Society: Series B, 76(1), 243-263. DOI: 10.1111/rssb.12027 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Machine Learning-Augmented Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/fa/causal-inference/machine-learning-augmented-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.
- تطابق دقیق تقریبزده (CEM)استنتاج علّی↔ مقایسه
- برآورد دوگانه استوار (AIPW)استنتاج علّی↔ مقایسه
- تراز کردن آنتروپیاستنتاج علّی↔ مقایسه
- تطابق امتیاز تمایل تقویتشده با یادگیری ماشیناستنتاج علّی↔ مقایسه
- برآوردگر تطبیقاستنتاج علّی↔ مقایسه
- تطابق امتیاز تمایل (Propensity Score Matching)آمار پژوهش↔ مقایسه
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →