Estimateur par appariement
L'estimateur par appariement identifie l'effet causal d'un traitement en associant chaque unité traitée à une ou plusieurs unités non traitées présentant des caractéristiques observées similaires. Formalisé par Rubin (1973) et doté d'une théorie rigoureuse en grands échantillons par Abadie et Imbens (2006), il construit un groupe de contrôle crédible à partir de données observationnelles sans nécessiter de modèle paramétrique pour le résultat.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Sources
- Abadie, A., & Imbens, G. W. (2006). Large Sample Properties of Matching Estimators for Average Treatment Effects. Econometrica, 74(1), 235-267. DOI: 10.1111/j.1468-0262.2006.00655.x ↗
- Rubin, D. B. (1973). Matching to Remove Bias in Observational Studies. Biometrics, 29(1), 159-183. DOI: 10.2307/2529684 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Nonparametric Matching Estimator for Average Treatment Effects. ScholarGate. https://scholargate.app/fr/causal-inference/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.
- Coarsened Exact Matching (CEM)Inférence causale↔ compare
- Différence-en-différences (Diff-in-Diff)Économétrie↔ compare
- Estimation doublement robuste (AIPW)Inférence causale↔ compare
- Pondération par l'inverse de la probabilité de traitement (IPW / IPTW)Inférence causale↔ compare
- Appariement par score de propensionStatistiques de recherche↔ compare
- Pondération par score de propension (PSP / IPW)Inférence causale↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →