ScholarGate
Asistents
Regression modelQuasi-experimental / causal inference

Dinamiskais saskaņošanas novērtētājs

Dinamiskais saskaņošanas novērtētājs (Dynamic Matching Estimator) paplašina standarta saskaņošanas metodes gadījumiem, kad iejaukšanās tiek piešķirta secīgi vairākos periodos. Tā vietā, lai pieņemtu vienu lēmumu par iejaukšanos, vienības saņem vai atsakās no iejaukšanās katrā laika posmā, un novērtētājs identificē cēloņsakarības ietekmi uz visu iejaukšanās vēsturi, saskaņojot laika mainīgos kovariātus un iepriekšējos iejaukšanās ceļus, ievērojot secīgus nosacītas neatkarības pieņēmumus.

Atvērt MethodMindDrīzumāVideoDrīzumāLejupielādēt slaidus

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Metožu karte

Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.

Avoti

  1. Lechner, M., & Miquel, R. (2010). Identification of the effects of dynamic treatments by sequential conditional independence assumptions. Empirical Economics, 39(1), 111-137. DOI: 10.1007/s00181-009-0297-3
  2. Heckman, J. J., Ichimura, H., & Todd, P. (1998). Matching as an Econometric Evaluation Estimator. Review of Economic Studies, 65(2), 261-294. DOI: 10.1111/1467-937X.00044

Kā citēt šo lapu

ScholarGate. (2026, June 3). Dynamic Matching Estimator for Sequential Treatment Effects. ScholarGate. https://scholargate.app/lv/causal-inference/dynamic-matching-estimator

Kura metode?

Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.

Salīdzināt blakus

Uz to atsaucas

ScholarGateDynamic Matching Estimator (Dynamic Matching Estimator for Sequential Treatment Effects). Izgūts 2026-06-15 no https://scholargate.app/lv/causal-inference/dynamic-matching-estimator · Datu kopa: https://doi.org/10.5281/zenodo.20539026