Beleidsevaluatie via Coarsened Exact Matching (CEM)
Coarsened Exact Matching (CEM) is een quasi-experimentele techniek voor causale inferentie die gebalanceerde behandelings- en controlegroepen creëert uit observationele data door covariaten tijdelijk te "vergroven" (coarsen) in categorieën (bins), eenheden binnen die categorieën exact te matchen, en vervolgens niet-gematchte observaties te verwijderen voordat beleidseffecten worden geschat. Geïntroduceerd door Iacus, King en Porro, behoort CEM tot de familie van matchingmethoden met monotone onbalansbegrenzing (monotonic imbalance bounding) en is het bijzonder populair in beleidsevaluatie.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- 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 ↗
- Iacus, S. M., King, G., & Porro, G. (2011). Multivariate matching methods that are monotonic imbalance bounding. Journal of the American Statistical Association, 106(493), 345-361. DOI: 10.1198/jasa.2011.tm09599 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Coarsened Exact Matching for Policy Evaluation. ScholarGate. https://scholargate.app/nl/causal-inference/policy-evaluation-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.
- Difference-in-Differences (DiD)Econometrie↔ vergelijken
- EntropiebalanceringCausale inferentie↔ vergelijken
- Inverse Probability of Treatment Weighting (IPW / IPTW)Causale inferentie↔ vergelijken
- Propensity Score MatchingOnderzoeksstatistiek↔ vergelijken
- Synthetische Controle Methode (SCM)Causale inferentie↔ vergelijken
Similar methods
Een fout op deze pagina gezien? Meld het of stel een correctie voor →