Regression modelQuasi-experimental / causal inference

Bayesiläinen täsmäytysestimaattori

Bayesiläinen täsmäytysestimaattori (Bayesian Matching Estimator) estimoi keskimääräisiä hoitovaikutuksia (average treatment effects, ATE) havainnollisissa tutkimuksissa yhdistämällä klassisen lähimmän naapurin tai kernel-täsmäytyksen Bayesiläiseen posteriorijakaumaan hoitovaikutukselle. Se perii täsmäytyksen kovariaattitasapainotuksen logiikan samalla kun epävarmuus välittyy täyden posteriorijakauman kautta asymptoottisten keskivirheiden sijaan, tuottaen uskottavuusvälit, jotka heijastavat sekä otantavaihtelua että ennakkotietoa.

Avaa sovelluksessa MethodMindTulossaVideoTulossaDownload slides

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Method map

The neighbourhood of related methods — select a node to explore.

Lähteet

  1. Rubin, D. B. (1978). Bayesian inference for causal effects: The role of randomization. The Annals of Statistics, 6(1), 34-58. DOI: 10.1214/aos/1176344064
  2. Heckman, J. J., Ichimura, H., & Todd, P. (1998). Matching as an econometric evaluation estimator. Review of Economic Studies, 65(2), 261-294. DOI: 10.1111/1467-937X.00044

Näin viittaat tähän sivuun

ScholarGate. (2026, June 3). Bayesian Matching Estimator for Average Treatment Effects. ScholarGate. https://scholargate.app/fi/causal-inference/bayesian-matching-estimator

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Tähän viittaavat

ScholarGateBayesian Matching Estimator (Bayesian Matching Estimator for Average Treatment Effects). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/causal-inference/bayesian-matching-estimator · Aineisto: https://doi.org/10.5281/zenodo.20539026