Regression modelQuasi-experimental / causal inference

Estymator dopasowujący

Estymator dopasowujący identyfikuje przyczynowy efekt interwencji poprzez parowanie każdej jednostki potraktowanej z jedną lub większą liczbą jednostek niepotraktowanych, które mają podobne zaobserwowane charakterystyki. Sformalizowana przez Rubina (1973) i opatrzona rygorystyczną teorią dla dużych prób przez Abadie i Imbensa (2006), konstruuje ona wiarygodną grupę kontrolną z danych obserwacyjnych, nie wymagając parametrycznego modelu dla wyniku.

Otwórz w MethodMindWkrótceWideoWkrótceDownload slides

Przeczytaj pełny opis metody

Tylko dla członków

Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.

Zaloguj się

Method map

The neighbourhood of related methods — select a node to explore.

+15 more

Źródła

  1. Abadie, A., & Imbens, G. W. (2006). Large Sample Properties of Matching Estimators for Average Treatment Effects. Econometrica, 74(1), 235-267. DOI: 10.1111/j.1468-0262.2006.00655.x
  2. Rubin, D. B. (1973). Matching to Remove Bias in Observational Studies. Biometrics, 29(1), 159-183. DOI: 10.2307/2529684

Jak cytować tę stronę

ScholarGate. (2026, June 3). Nonparametric Matching Estimator for Average Treatment Effects. ScholarGate. https://scholargate.app/pl/causal-inference/matching-estimator

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Cytowana przez

ScholarGateMatching Estimator (Nonparametric Matching Estimator for Average Treatment Effects). Pobrano 2026-06-15 z https://scholargate.app/pl/causal-inference/matching-estimator · Zbiór danych: https://doi.org/10.5281/zenodo.20539026