ScholarGate
Avustaja
Regression modelQuasi-experimental / causal inference

Bayesiläinen karkeistettu täsmäsovitus

Bayesiläinen karkeistettu täsmäsovitus (Bayesian CEM) yhdistää Iacuksen, Kingin ja Porron kehittämän karkeistus- ja täsmäsovituskehyksen Bayesiläiseen posteriorijakauman päättelyyn. Kovariaatit diskretoidaan karkeampiin luokkiin, jotta hoito- ja kontrolliyksiköt voidaan sovittaa täsmällisesti näiden luokkien sisällä. Tämän jälkeen Bayesiläiset priori-oletukset asetetaan hoitovaikutusparametreille, jotta saadaan täydelliset posteriorijakaumat kausaaliselle estimandille yksittäisen pisteestimaatin sijaan.

Avaa sovelluksessa MethodMindTulossaApply, compare, get guidance
Tools & resources
Lataa diat
Learn & explore
VideoTulossa

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Menetelmäkartta

Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.

Lähteet

  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. 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

Näin viittaat tähän sivuun

ScholarGate. (2026, June 3). Bayesian Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/fi/causal-inference/bayesian-coarsened-exact-matching

Mikä menetelmä?

Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.

Vertaa rinnakkain
ScholarGateBayesian Coarsened Exact Matching (Bayesian Coarsened Exact Matching Estimator). Haettu 2026-06-16 osoitteesta https://scholargate.app/fi/causal-inference/bayesian-coarsened-exact-matching · Aineisto: https://doi.org/10.5281/zenodo.20539026