การจับคู่แบบแม่นยำหยาบแบบเบย์ (Bayesian Coarsened Exact Matching)
การจับคู่แบบแม่นยำหยาบแบบเบย์ (Bayesian CEM) ผสมผสานกรอบการทำงานของการทำให้หยาบและการจับคู่แบบแม่นยำของ Iacus, King, และ Porro เข้ากับการอนุมานภายหลังแบบเบย์ ตัวแปรร่วมจะถูกแบ่งเป็นกลุ่มย่อยที่หยาบขึ้น เพื่อให้หน่วยที่ได้รับการรักษาและหน่วยควบคุมสามารถจับคู่กันได้อย่างแม่นยำภายในกลุ่มย่อยเหล่านั้น จากนั้นจึงกำหนด prior แบบเบย์ให้กับพารามิเตอร์ผลกระทบของการรักษา เพื่อให้ได้การแจกแจงภายหลังที่สมบูรณ์สำหรับตัวประมาณค่าเชิงสาเหตุ แทนที่จะเป็นค่าประมาณจุดเดียว
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
แผนที่ระเบียบวิธี
ย่านของระเบียบวิธีที่เกี่ยวข้องกัน — เลือกโหนดเพื่อสำรวจ
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/th/causal-inference/bayesian-coarsened-exact-matching
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- ตัวประมาณการจับคู่แบบเบย์ (Bayesian Matching Estimator)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- การจับคู่คะแนนความโน้มเอียงแบบเบย์การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- Coarsened Exact Matching (CEM)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- Entropy Balancingการอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- ตัวประมาณค่าด้วยการจับคู่การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- การจับคู่คะแนนแนวโน้มสถิติการวิจัย↔ เปรียบเทียบ