Spatial Coarsened Exact Matching (Spatial CEM)
Spatial Coarsened Exact Matching piemēro Coarsened Exact Matching (CEM) satvaru pētījumu dizainiem, kas ietver ģeogrāfiskas vienības — apkaimes, tautas skaitīšanas iecirkņus, pašvaldības vai režģa šūnas. Kovariāti tiek rupji sadalīti diskrētos datos (bins) un vienības tiek precīzi saskaņotas pēc šiem datiem, ņemot vērā telpiskos atribūtus (atrašanās vieta, blakus stāvēšana, ģeogrāfiskās īpašības) kā saskaņošanas dimensijas, lai kontrolētu telpisko jaukšanos.
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 ↗
- Anselin, L., & Rey, S. J. (Eds.) (2014). Modern Spatial Econometrics in Practice: A Guide to GeoDa, GeoDaSpace and PySAL. GeoDa Press. ISBN: 978-0986342103
Kā citēt šo lapu
ScholarGate. (2026, June 3). Spatial Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/lv/causal-inference/spatial-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
- Diferenču starpībām (Diff-in-Diff)Ekonometrija↔ salīdzināt
- Propensity Score MatchingPētniecības statistika↔ salīdzināt
- Telpiskā divkārtīgi robustā estimācijaCēloņsakarību secināšana↔ salīdzināt
- Spatial Propensity Score MatchingCēloņsakarību secināšana↔ salīdzināt
- Telpiskās regresijas diskontinuitātes dizains (Spatial RDD)Cēloņsakarību secināšana↔ salīdzināt
Similar methods
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →