Illesztő becslő
Az illesztő becslő (matching estimator) a kezelés kauzális hatását úgy azonosítja, hogy minden kezelt egységet egy vagy több olyan kezeletlen egységgel párosít, amelyek hasonló megfigyelt jellemzőkkel rendelkeznek. Ezt a módszert Rubin (1973) formalizálta, Abadie és Imbens (2006) pedig szigorú nagymintás elméletet dolgozott ki hozzá. A módszer megfigyelési adatokból képes hiteles kontrollcsoportot konstruálni, anélkül, hogy a kimenetelre paraméteres modellt igényelne.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
+15 további
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Nonparametric Matching Estimator for Average Treatment Effects. ScholarGate. https://scholargate.app/hu/causal-inference/matching-estimator
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- Coarsened Exact Matching (CEM)Oksági következtetés↔ összehasonlítás
- A különbség-különbségek (Diff-in-Diff) módszerÖkonometria↔ összehasonlítás
- Kettősen robusztus becslés (AIPW)Oksági következtetés↔ összehasonlítás
- Az inverz valószínűségi kezelési súlyozás (IPW / IPTW)Oksági következtetés↔ összehasonlítás
- Tárgyhajlamossági pontszám illesztésKutatási statisztika↔ összehasonlítás
- Propensity Score Weighting (PSW / IPW)Oksági következtetés↔ összehasonlítás
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →