Bayesowskie dopasowanie dokładne zgrubne
Bayesowskie dopasowanie dokładne zgrubne (Bayesian CEM) łączy ramy zgrubnego i dokładnego dopasowania (coarsening-and-exact-matching) Iacusa, Kinga i Porro z bayesowskim wnioskowaniem a posteriori. Kowariaty są dyskretyzowane do grubszych przedziałów (binów), tak aby jednostki poddane leczeniu i kontrolne mogły być dokładnie dopasowane w ramach tych przedziałów, a następnie na parametry efektu leczenia nakładane są bayesowskie rozkłady a priori, aby uzyskać pełne rozkłady a posteriori dla estymatora przyczynowego, a nie pojedynczą estymację punktową.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- 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 ↗
- Hill, J. L. (2011). Bayesian Nonparametric Modeling for Causal Inference. Journal of Computational and Graphical Statistics, 20(1), 217-240. DOI: 10.1198/jcgs.2010.08162 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/pl/causal-inference/bayesian-coarsened-exact-matching
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Estymator bayesowskiego dopasowaniaWnioskowanie przyczynowe↔ porównaj
- Bayesian Propensity Score MatchingWnioskowanie przyczynowe↔ porównaj
- Coarsened Exact Matching (CEM)Wnioskowanie przyczynowe↔ porównaj
- Entropy BalancingWnioskowanie przyczynowe↔ porównaj
- Estymator dopasowującyWnioskowanie przyczynowe↔ porównaj
- Dopasowanie wyników skłonnościStatystyka w badaniach↔ porównaj
Similar methods
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →