Байесовское укрупненное точное согласование
Байесовское укрупненное точное согласование (Bayesian CEM) объединяет каркас укрупнения и точного согласования Якуса, Кинга и Порро с байесовским выводом апостериорных вероятностей. Ковариаты дискретизируются в более крупные интервалы, чтобы обработанные и контрольные единицы могли быть точно согласованы в пределах этих интервалов, а затем байесовские априорные вероятности назначаются параметрам эффекта воздействия для получения полных апостериорных распределений для причинной оценки, а не единственной точечной оценки.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bayesian Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/ru/causal-inference/bayesian-coarsened-exact-matching
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Байесовский Оценщик СопоставленияПричинно-следственный вывод↔ сравнить
- Байесовское сопоставление по показателю склонностиПричинно-следственный вывод↔ сравнить
- Укрупненное точное сопоставление (CEM)Причинно-следственный вывод↔ сравнить
- Энтропийное балансированиеПричинно-следственный вывод↔ сравнить
- Оце́нка методом подбора пар (Matching Estimator)Причинно-следственный вывод↔ сравнить
- Метод подбора на основе оценки склонностиСтатистика исследований↔ сравнить
Similar methods
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →