Padanan Tepat Kasar Dipertingkat Pembelajaran Mesin (ML-CEM)
Padanan Tepat Kasar Dipertingkat Pembelajaran Mesin (ML-CEM) memperluas Padanan Tepat Kasar (Coarsened Exact Matching, CEM) (Iacus, King & Porro, 2012) dengan menggunakan pembelajaran mesin terselia untuk mengautomasikan dan mengoptimumkan langkah pengasaran — pendiskretan kovariat berterusan ke dalam bin — dan bukannya bergantung pada titik potong yang ditentukan penyelidik. Ini mengurangkan kedua-dua subjektiviti ad hoc dalam keputusan pengasaran dan ketidakseimbangan sisa, sambil mengekalkan logik teras CEM bagi padanan tepat dalam strata yang dikasarkan.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Peta kaedah
Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Machine Learning-Augmented Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/ms/causal-inference/machine-learning-augmented-coarsened-exact-matching
Kaedah yang mana?
Letakkan kaedah ini di sebelah kaedah yang paling rapat dengannya dan baca secara bersebelahan — perpustakaan menyusun buku di atas meja; pilihan terletak pada anda.
- Pencocokan Tepat yang Dikasar (CEM)Inferens Kausal↔ banding
- Anggaran Keboleh-Teguhan Berganda (AIPW)Inferens Kausal↔ banding
- Pengimbangan EntropiInferens Kausal↔ banding
- Padanan Skor Kecenderungan yang Dipertingkat Pembelajaran MesinInferens Kausal↔ banding
- Penganggar PadananInferens Kausal↔ banding
- Padanan Skor KecenderunganStatistik Penyelidikan↔ banding
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →