ScholarGate
دستیار
Regression modelQuasi-experimental / causal inference

تطابق دقیق دوره‌ای تقطیر شده چند-دوره‌ای

تطابق دقیق دوره‌ای تقطیر شده چند-دوره‌ای (multi-period CEM) چارچوب CEM را که توسط Iacus، King و Porro معرفی شد، به داده‌های طولی با چندین دوره پیش و پس از درمان تعمیم می‌دهد. این روش متغیرهای پیوسته را به دسته‌های تقطیر شده تقسیم می‌کند، واحدهای تحت درمان و کنترل را که در تمام دوره‌های زمانی مرتبط در سلول‌های یکسان قرار می‌گیرند، تطبیق می‌دهد و سپس اثر میانگین وزنی درمان را تخمین می‌زند که ساختار زمانی را در نظر می‌گیرد.

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., Kim, I. S., & Wang, E. H. (2021). Matching methods for causal inference with time-series cross-sectional data. American Journal of Political Science, 67(3), 587-605. DOI: 10.1111/ajps.12685

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Multi-period Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/fa/causal-inference/multi-period-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
ScholarGateMulti-period Coarsened Exact Matching (Multi-period Coarsened Exact Matching Estimator). بازیابی‌شده در 2026-06-17 از https://scholargate.app/fa/causal-inference/multi-period-coarsened-exact-matching · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026