Estimador de Pareamento
O estimador de pareamento identifica o efeito causal de um tratamento ao emparelhar cada unidade tratada com uma ou mais unidades não tratadas que possuem características observadas semelhantes. Formalizado por Rubin (1973) e com uma teoria rigorosa de grandes amostras por Abadie e Imbens (2006), ele constrói um grupo de controle crível a partir de dados observacionais sem a necessidade de um modelo paramétrico para o resultado.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Fontes
- 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 ↗
- Rubin, D. B. (1973). Matching to Remove Bias in Observational Studies. Biometrics, 29(1), 159-183. DOI: 10.2307/2529684 ↗
Como citar esta página
ScholarGate. (2026, June 3). Nonparametric Matching Estimator for Average Treatment Effects. ScholarGate. https://scholargate.app/pt/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.
- Coarsened Exact Matching (CEM)Inferência causal↔ compare
- Diferenças em Diferenças (DiD)Econometria↔ compare
- Estimativa Duplamente Robusta (AIPW)Inferência causal↔ compare
- Ponderação pela Probabilidade Inversa de Tratamento (IPW / IPTW)Inferência causal↔ compare
- Propensity Score MatchingEstatística para pesquisa↔ compare
- Ponderação por Escore de Propensão (PEP / IPW)Inferência causal↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →