Coarsened Exact Matching (CEM)
La Coarsened Exact Matching (CEM) est une méthode de prétraitement qui atteint l'équilibre des covariables en regroupant temporairement les variables continues en classes (bins), en appariant exactement les unités traitées et témoins au sein de ces classes, puis en écartant toutes les unités non appariées. Introduite par Iacus, King et Porro (2011, 2012), elle borne le déséquilibre sur chaque covariable indépendamment, produisant un échantillon apparié sur lequel tout estimateur peut être appliqué sans dépendre d'un modèle de score de propension.
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.
+17 de plus
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 ↗
- Iacus, S. M., King, G., & Porro, G. (2011). Multivariate matching methods that are monotonic imbalance bounding. Journal of the American Statistical Association, 106(493), 345-361. DOI: 10.1198/jasa.2011.tm09599 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/fr/causal-inference/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.
- Différence-en-différences (Diff-in-Diff)Économétrie↔ comparer
- Équilibrage par entropieInférence causale↔ comparer
- Pondération par l'inverse de la probabilité de traitement (IPW / IPTW)Inférence causale↔ comparer
- Estimateur par appariementInférence causale↔ comparer
- Appariement par score de propensionStatistiques de recherche↔ comparer
- Pondération par score de propension (PSP / IPW)Inférence causale↔ comparer
Référencée par
Similar methods
Une erreur sur cette page ? Signalez-la ou proposez une correction →