Appariement Exact Coarsened Bayésien
L'Appariement Exact Coarsened Bayésien (Bayesian CEM) combine le cadre d'affinage et d'appariement exact de Iacus, King, et Porro avec l'inférence bayésienne a posteriori. Les covariables sont discrétisées en classes plus grossières de sorte que les unités traitées et de contrôle puissent être appariées exactement au sein de ces classes, et des priors bayésiens sont ensuite placés sur les paramètres de l'effet du traitement pour produire des distributions a posteriori complètes sur l'estimateur causal plutôt qu'une estimation ponctuelle.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- 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 ↗
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/fr/causal-inference/bayesian-coarsened-exact-matching
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Estimateur bayésien par appariementInférence causale↔ comparer
- Appariement Bayésien par Score de PropensionInférence causale↔ comparer
- Coarsened Exact Matching (CEM)Inférence causale↔ comparer
- Équilibrage par entropieInférence causale↔ comparer
- Estimateur par appariementInférence causale↔ comparer
- Appariement par score de propensionStatistiques de recherche↔ comparer
Similar methods
Une erreur sur cette page ? Signalez-la ou proposez une correction →