Heterogen behandlingseffekt grov-exakt matchning
Heterogen behandlingseffekt grov-exakt matchning (HTE-CEM) utvidgar ramverket för grov-exakt matchning (CEM) för att estimera hur behandlingseffekter varierar mellan undergrupper eller individuella karaktäristika. Efter att CEM har skapat balanserade strata genom att grova kontinuerliga kovariater till intervall och exakt matcha enheter inom varje intervall, beräknas betingade genomsnittliga behandlingseffekter (CATEs) inom eller mellan dessa strata, vilket avslöjar var behandlingen fungerar, för vem och i vilken utsträckning.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- 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. (2013). Estimating treatment effect heterogeneity in randomized program evaluation. Annals of Applied Statistics, 7(1), 443-470. DOI: 10.1214/12-AOAS593 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Heterogeneous Treatment Effect Estimation via Coarsened Exact Matching. ScholarGate. https://scholargate.app/sv/causal-inference/heterogeneous-treatment-effect-coarsened-exact-matching
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- Förgrövad exakt matchning (CEM)Kausal inferens↔ jämför
- Differens-i-differens (DiD)Ekonometri↔ jämför
- EntropibalanseringKausal inferens↔ jämför
- Heterogen behandlingseffekt med propensity score-matchningKausal inferens↔ jämför
- Propensity score-matchningForskningsstatistik↔ jämför
Similar methods
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →