Appariement par Coarsened Exact Matching augmenté par l'Apprentissage Automatique (ML-CEM)

L'Appariement par Coarsened Exact Matching augmenté par l'Apprentissage Automatique (ML-CEM) étend le Coarsened Exact Matching (CEM) (Iacus, King & Porro, 2012) en utilisant l'apprentissage automatique supervisé pour automatiser et optimiser l'étape de coarsening — la discrétisation des covariables continues en classes — plutôt que de s'appuyer sur des points de coupure spécifiés par le chercheur. Cela réduit à la fois la subjectivité ad hoc dans les décisions de coarsening et le déséquilibre résiduel, tout en préservant la logique fondamentale du CEM d'appariement exact au sein des strates coarsened.