Estimateur par appariement robuste (appariement corrigé du biais)
L'estimateur par appariement robuste, développé par Abadie et Imbens (2006, 2011), étend l'appariement par plus proches voisins en ajoutant une correction de biais basée sur la régression qui élimine le biais en échantillon fini résultant lorsque les unités appariées ne sont pas parfaitement similaires. Il produit des estimations cohérentes et asymptotiquement normales des effets moyens du traitement avec une formule de variance robuste à l'hétéroscédasticité qui est valide quelle que soit le nombre de covariables continues.
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
- Abadie, A., & Imbens, G. W. (2011). Bias-Corrected Matching Estimators for Average Treatment Effects. Journal of Business & Economic Statistics, 29(1), 1-11. DOI: 10.1198/jbes.2009.07333 ↗
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Bias-Corrected Robust Matching Estimator. ScholarGate. https://scholargate.app/fr/causal-inference/robust-matching-estimator
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.
- Coarsened Exact Matching (CEM)Inférence causale↔ comparer
- Différence-en-différences (Diff-in-Diff)Économétrie↔ comparer
- Estimation doublement robuste (AIPW)Inférence 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
Une erreur sur cette page ? Signalez-la ou proposez une correction →