Mašīnmācīšanās papildinātā raupjā precīzā saskaņošana (ML-CEM)
Mašīnmācīšanās papildinātā raupjā precīzā saskaņošana paplašina raupjo precīzo saskaņošanu (Iacus, King & Porro, 2012), izmantojot uzraudzītu mašīnmācīšanos, lai automatizētu un optimizētu raupjuma soli — nepārtraukto kovariātu diskretizāciju kategorijās —, nepaļaujoties uz pētnieka noteiktajiem griezuma punktiem. Tas samazina gan ad hoc subjektivitāti raupjuma lēmumos, gan atlikušo nelīdzsvarotību, vienlaikus saglabājot CEM pamatloģiku par precīzu saskaņošanu raupjās stratās.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Machine Learning-Augmented Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/lv/causal-inference/machine-learning-augmented-coarsened-exact-matching
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Coarsened Exact Matching (CEM)Cēloņsakarību secināšana↔ salīdzināt
- Divkārši robusta novērtēšana (AIPW)Cēloņsakarību secināšana↔ salīdzināt
- Entropijas balansēšanaCēloņsakarību secināšana↔ salīdzināt
- Mašīnmācīšanās papildinātā tendenču rezultātu saskaņošanaCēloņsakarību secināšana↔ salīdzināt
- Novērtēšanas vienādošana (Matching Estimator)Cēloņsakarību secināšana↔ salīdzināt
- Propensity Score MatchingPētniecības statistika↔ salīdzināt
Similar methods
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →