Heterogeniczne dopasowanie dokładne z zagregowaniem efektów przyczynowych
Heterogeniczne dopasowanie dokładne z zagregowaniem efektów przyczynowych (HTE-CEM) rozszerza ramy dopasowania dokładnego z zagregowaniem (coarsened exact matching) w celu oszacowania, jak efekty leczenia różnią się w zależności od podgrup lub indywidualnych cech. Po tym, jak CEM stworzy zrównoważone warstwy poprzez zagregowanie ciągłych zmiennych objaśniających na kategorie i dokładne dopasowanie jednostek w każdej kategorii, oblicza się warunkowe średnie efekty leczenia (CATE) w obrębie tych warstw lub pomiędzy nimi, ujawniając, gdzie leczenie działa, dla kogo i o ile.
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 ↗
- Imai, K., & Ratkovic, M. (2013). Estimating treatment effect heterogeneity in randomized program evaluation. Annals of Applied Statistics, 7(1), 443-470. DOI: 10.1214/12-AOAS593 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Heterogeneous Treatment Effect Estimation via Coarsened Exact Matching. ScholarGate. https://scholargate.app/pl/causal-inference/heterogeneous-treatment-effect-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.
- Coarsened Exact Matching (CEM)Wnioskowanie przyczynowe↔ porównaj
- Metoda różnic w różnicach (Diff-in-Diff)Ekonometria↔ porównaj
- Entropy BalancingWnioskowanie przyczynowe↔ porównaj
- Heterogeneous Treatment Effect Propensity Score MatchingWnioskowanie przyczynowe↔ porównaj
- Dopasowanie wyników skłonnościStatystyka w badaniach↔ porównaj
Similar methods
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →