Regression modelQuasi-experimental / causal inference
空間的粗粒化厳密一致法（Spatial CEM）
空間的粗粒化厳密一致法（Spatial CEM）は、地理的単位（近隣、国勢調査区、自治体、グリッドセル）を含む研究デザインに粗粒化厳密一致法（CEM）の枠組みを適用する。共変量は離散的なビンに粗粒化され、単位はそのビンに基づいて厳密に一致させられる。空間属性（位置、隣接性、地理的特性）は、空間的交絡を制御するためのマッチング次元として組み込まれる。
MethodMindで開く近日公開Apply, compare, get guidance
Tools & resources
Learn & explore
動画近日公開
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- 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
このページの引用方法
ScholarGate. (2026, June 3). Spatial Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/ja/causal-inference/spatial-coarsened-exact-matching
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
- 粗化完全マッチング（CEM）因果推論↔ 比較
- 差分の差 (Difference-in-Differences, DiD)計量経済学↔ 比較
- 傾向スコアマッチング研究統計↔ 比較
- 空間的二重頑健推定量因果推論↔ 比較
- 空間的傾向スコアマッチング因果推論↔ 比較
- 空間回帰不連続デザイン（Spatial RDD）因果推論↔ 比較