Ulepszone dopasowanie przez przybliżone dopasowanie (ML-CEM) z wykorzystaniem uczenia maszynowego
Ulepszone dopasowanie przez przybliżone dopasowanie (ML-CEM) rozszerza metodę przybliżonego dopasowania (CEM) (Iacus, King & Porro, 2012) poprzez wykorzystanie nadzorowanego uczenia maszynowego do automatyzacji i optymalizacji kroku przybliżania — dyskretyzacji ciągłych kowariantów na grupy — zamiast polegania na punktach odcięcia określonych przez badacza. Redukuje to zarówno subiektywność decyzji dotyczących przybliżania, jak i pozostałe niezbilansowanie, przy jednoczesnym zachowaniu podstawowej logiki CEM polegającej na dokładnym dopasowaniu w obrębie przybliżonych warstw.
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. (2014). Covariate balancing propensity score. Journal of the Royal Statistical Society: Series B, 76(1), 243-263. DOI: 10.1111/rssb.12027 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Machine Learning-Augmented Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/pl/causal-inference/machine-learning-augmented-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
- Estymacja podwójnie odporna (AIPW)Wnioskowanie przyczynowe↔ porównaj
- Entropy BalancingWnioskowanie przyczynowe↔ porównaj
- Dopasowanie wyników skłonności wspomagane uczeniem maszynowymWnioskowanie przyczynowe↔ porównaj
- Estymator dopasowującyWnioskowanie przyczynowe↔ porównaj
- Dopasowanie wyników skłonnościStatystyka w badaniach↔ porównaj
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →