ScholarGate
어시스턴트
Regression modelQuasi-experimental / causal inference

기계 학습 증강 조밀화된 정확 일치법 (ML-CEM)

기계 학습 증강 조밀화된 정확 일치법(ML-CEM)은 연속형 공변량을 구간으로 이산화하는 조밀화(coarsening) 단계를 연구자가 지정한 절단점(cutpoint)에 의존하는 대신, 지도 학습 기계 학습을 사용하여 해당 단계를 자동화하고 최적화함으로써 조밀화된 정확 일치법(CEM, Iacus, King & Porro, 2012)을 확장한 것이다. 이는 CEM의 핵심 논리인 조밀화된 계층 내에서의 정확 일치를 유지하면서, 조밀화 결정에서의 임의적 주관성과 잔여 불균형을 모두 줄인다.

MethodMind에서 열기곧 제공Apply, compare, get guidance
Tools & resources
슬라이드 다운로드
Learn & explore
동영상곧 제공

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

방법 지도

관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.

출처

  1. 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
  2. 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

이 페이지 인용 방법

ScholarGate. (2026, June 3). Machine Learning-Augmented Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/ko/causal-inference/machine-learning-augmented-coarsened-exact-matching

어떤 방법일까요?

이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.

나란히 비교하기
ScholarGateMachine Learning-Augmented Coarsened Exact Matching (Machine Learning-Augmented Coarsened Exact Matching Estimator). 2026-06-17에 다음에서 검색함: https://scholargate.app/ko/causal-inference/machine-learning-augmented-coarsened-exact-matching · 데이터셋: https://doi.org/10.5281/zenodo.20539026