ScholarGate
Asistent
Regression modelQuasi-experimental / causal inference

Procjenitelj podudaranja

Procjenitelj podudaranja identificira kauzalni učinak tretmana sparivanjem svake tretirane jedinice s jednom ili više netretiranih jedinica koje imaju slične opažene karakteristike. Formaliziran od strane Rubina (1973) i s rigoroznom teorijom velikih uzoraka koju su dali Abadie i Imbens (2006), on konstruira vjerodostojnu kontrolnu skupinu iz opservacijskih podataka bez potrebe za parametarskim modelom ishoda.

Otvorite u MethodMindUskoroVideoUskoroPreuzmi prezentaciju

Pročitajte cijelu metodu

Samo za članove

Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.

Prijavite se

Karta metoda

Okruženje srodnih metoda — odaberite čvor za istraživanje.

+15 više

Izvori

  1. 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
  2. Rubin, D. B. (1973). Matching to Remove Bias in Observational Studies. Biometrics, 29(1), 159-183. DOI: 10.2307/2529684

Kako citirati ovu stranicu

ScholarGate. (2026, June 3). Nonparametric Matching Estimator for Average Treatment Effects. ScholarGate. https://scholargate.app/hr/causal-inference/matching-estimator

Koja metoda?

Postavite ovu metodu uz njoj najsrodnije i pročitajte ih jednu uz drugu — knjižnica vam knjige stavlja na stol; izbor je na vama.

Usporedi jedno uz drugo

Citirana u

ScholarGateMatching Estimator (Nonparametric Matching Estimator for Average Treatment Effects). Preuzeto 2026-06-15 s https://scholargate.app/hr/causal-inference/matching-estimator · Skup podataka: https://doi.org/10.5281/zenodo.20539026