Coarsened Exact Matching aumentato con Machine Learning (ML-CEM)
Il Coarsened Exact Matching aumentato con Machine Learning (ML-CEM) estende il Coarsened Exact Matching (Iacus, King & Porro, 2012) utilizzando l'apprendimento automatico supervisionato per automatizzare e ottimizzare la fase di "coarsening" — la discretizzazione delle covariate continue in intervalli — piuttosto che affidarsi a punti di taglio specificati dal ricercatore. Ciò riduce sia la soggettività ad hoc nelle decisioni di "coarsening" sia lo squilibrio residuo, pur preservando la logica centrale del CEM di corrispondenza esatta all'interno di strati "coarsened".
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Mappa dei metodi
Il vicinato dei metodi correlati — seleziona un nodo per esplorare.
Fonti
- Iacus, S. M., King, G., & Porro, G. (2012). Causal Inference without Balance Checking: Coarsened Exact Matching. Political Analysis, 20(1), 1-24. DOI: 10.1093/pan/mpr013 ↗
- Imai, K., & Ratkovic, M. (2014). Covariate balancing propensity score. Journal of the Royal Statistical Society: Series B, 76(1), 243-263. DOI: 10.1111/rssb.12027 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Machine Learning-Augmented Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/it/causal-inference/machine-learning-augmented-coarsened-exact-matching
Quale metodo?
Affianca questo metodo ai suoi parenti più prossimi e leggili fianco a fianco — la biblioteca dispone i libri sul tavolo; la scelta è tua.
- Coarsened Exact Matching (CEM)Inferenza causale↔ confronta
- Stima a Doppia Robustezza (AIPW)Inferenza causale↔ confronta
- Entropy BalancingInferenza causale↔ confronta
- Machine Learning-Augmented Propensity Score MatchingInferenza causale↔ confronta
- Stimatore per MatchingInferenza causale↔ confronta
- Abbinamento del punteggio di propensioneStatistica per la ricerca↔ confronta
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →