Spatial Coarsened Exact Matching (Spatial CEM)
Spatial Coarsened Exact Matching applica il framework Coarsened Exact Matching a disegni di studio che coinvolgono unità geografiche — quartieri, sezioni censuarie, municipalità o celle di griglia. Le covariate vengono aggregate in intervalli discreti e le unità vengono abbinate esattamente su tali intervalli, con attributi spaziali (posizione, adiacenza, caratteristiche geografiche) incorporati come dimensioni di abbinamento per controllare il confondimento spaziale.
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 ↗
- Anselin, L., & Rey, S. J. (Eds.) (2014). Modern Spatial Econometrics in Practice: A Guide to GeoDa, GeoDaSpace and PySAL. GeoDa Press. ISBN: 978-0986342103
Come citare questa pagina
ScholarGate. (2026, June 3). Spatial Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/it/causal-inference/spatial-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
- Difference-in-Differences (Diff-in-Diff)Econometria↔ confronta
- Abbinamento del punteggio di propensioneStatistica per la ricerca↔ confronta
- Stima Spazialmente Doppiamente RobustaInferenza causale↔ confronta
- Abbinamento Spaziale del Punteggio di PropensioneInferenza causale↔ confronta
- Disegno di Regressione con Discontinuità Spaziale (Spatial RDD)Inferenza causale↔ confronta
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →