วิธีการจับคู่ (CEM / Optimal / Genetic)
วิธีการจับคู่ (Matching Methods) เป็นกลุ่มเทคนิคการอนุมานเชิงสาเหตุ (causal-inference) ที่นอกเหนือไปจากการจับคู่ด้วยคะแนนแนวโน้ม (propensity-score matching) โดยจะจับคู่หน่วยทดลอง (treated units) กับหน่วยควบคุม (control units) ที่มีตัวแปรร่วม (covariates) คล้ายคลึงกัน เพื่อให้สามารถอ่านผลกระทบของการทดลองได้จากกลุ่มตัวอย่างที่สมดุล กลุ่มวิธีนี้ประกอบด้วยการจับคู่แบบแม่นตรงที่หยาบ (Coarsened Exact Matching - CEM) (Iacus, King & Porro, 2012), การจับคู่แบบเหมาะสมที่สุด (optimal matching), และการจับคู่แบบพันธุกรรม (genetic matching).
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
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 ↗
- Hansen, B. B. (2004). Full Matching in an Observational Study of Coaching for the SAT. Journal of the American Statistical Association, 99(467), 609-618. DOI: 10.1198/016214504000000647 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). General Matching Methods (CEM / Optimal / Genetic). ScholarGate. https://scholargate.app/th/causal-inference/matching-methods
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ผลกระทบจากการรักษาที่แตกต่างกัน (CATE / Meta-Learners)การอนุมานเชิงสาเหตุ↔ compare
- Inverse Probability Weighting (IPW / IPTW) การถ่วงน้ำหนักด้วยความน่าจะเป็นผกผันการอนุมานเชิงสาเหตุ↔ compare
- ผลกระทบเฉลี่ยเฉพาะที่ของการรักษา (Local Average Treatment Effect - LATE / CACE)การอนุมานเชิงสาเหตุ↔ compare
- การจับคู่คะแนนแนวโน้มสถิติการวิจัย↔ compare
- การวิเคราะห์ความไวต่ออคติแฝง (Rosenbaum Bounds / E-value)การอนุมานเชิงสาเหตุ↔ compare