ScholarGate
Assistent
Regression modelQuasi-experimental / causal inference

Machine Learning-Augmented Coarsened Exact Matching (ML-CEM)

Machine Learning-Augmented Coarsened Exact Matching breidt Coarsened Exact Matching (Iacus, King & Porro, 2012) uit door supervised machine learning te gebruiken om de coarsening-stap — de discretisatie van continue covariaten in groepen — te automatiseren en te optimaliseren, in plaats van te vertrouwen op door de onderzoeker gespecificeerde snijpunten. Dit vermindert zowel ad hoc subjectiviteit in coarsening-beslissingen als resterende onbalans, terwijl de kernlogica van CEM van exacte matching binnen gecounsende strata behouden blijft.

Openen in MethodMindBinnenkortApply, compare, get guidance
Tools & resources
Dia's downloaden
Learn & explore
VideoBinnenkort

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Methodenkaart

De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.

Bronnen

  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

Deze pagina citeren

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

Welke methode?

Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.

Naast elkaar vergelijken
ScholarGateMachine Learning-Augmented Coarsened Exact Matching (Machine Learning-Augmented Coarsened Exact Matching Estimator). Geraadpleegd op 2026-06-17 via https://scholargate.app/nl/causal-inference/machine-learning-augmented-coarsened-exact-matching · Gegevensset: https://doi.org/10.5281/zenodo.20539026