Policy Evaluation via Coarsened Exact Matching (CEM)
Coarsened Exact Matching (CEM) är en kvasi-experimentell kausalinferens-teknik som skapar balanserade behandlings- och kontrollgrupper från observationsdata genom att temporärt grovsortera kovariater i intervall, exakt matcha enheter inom dessa intervall, och sedan gallra bort omatchade observationer innan policyeffekter estimeras. CEM, som introducerades av Iacus, King och Porro, tillhör familjen av matchningsmetoder med monoton obalansbegränsning (monotonic imbalance bounding) och är särskilt populär inom policyutvärdering.
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 ↗
- Iacus, S. M., King, G., & Porro, G. (2011). Multivariate matching methods that are monotonic imbalance bounding. Journal of the American Statistical Association, 106(493), 345-361. DOI: 10.1198/jasa.2011.tm09599 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Coarsened Exact Matching for Policy Evaluation. ScholarGate. https://scholargate.app/sv/causal-inference/policy-evaluation-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.
- Differens-i-differens (DiD)Ekonometri↔ jämför
- EntropibalanseringKausal inferens↔ jämför
- Viktning med inversa sannolikheter för behandling (IPW / IPTW)Kausal inferens↔ jämför
- Propensity score-matchningForskningsstatistik↔ jämför
- Syntetisk kontrollmetod (SCM)Kausal inferens↔ jämför
Similar methods
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →