Машинное обучение с дополненным укрупненным точным согласованием (ML-CEM)
Машинное обучение с дополненным укрупненным точным согласованием (ML-CEM) расширяет укрупненное точное согласование (Coarsened Exact Matching, CEM) (Iacus, King & Porro, 2012) за счет использования управляемого машинного обучения для автоматизации и оптимизации этапа укрупнения — дискретизации непрерывных ковариат в интервалы — вместо того, чтобы полагаться на заданные исследователем точки разделения. Это снижает как произвольную субъективность в решениях по укрупнению, так и остаточный дисбаланс, сохраняя при этом основную логику CEM точного согласования внутри укрупненных страт.
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 ↗
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Machine Learning-Augmented Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/ru/causal-inference/machine-learning-augmented-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.
- Укрупненное точное сопоставление (CEM)Причинно-следственный вывод↔ сравнить
- Двухробастное оценивание (AIPW)Причинно-следственный вывод↔ сравнить
- Энтропийное балансированиеПричинно-следственный вывод↔ сравнить
- Машинное обучение с дополненной оценкой склонности (ML-PSM)Причинно-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 →