Multi-period Coarsened Exact Matching
Multi-period Coarsened Exact Matching (multi-period CEM) เป็นการขยายกรอบแนวคิด CEM ของ Iacus, King, และ Porro ไปสู่ข้อมูลเชิงเวลา (longitudinal data) ที่มีหลายช่วงเวลาก่อนและหลังการรักษา (treatment) โดยทำการแบ่งข้อมูลตามตัวแปรต่อเนื่องออกเป็นหมวดหมู่ที่หยาบ (coarsened categories) จับคู่หน่วยที่ได้รับการรักษาและหน่วยควบคุมที่มีลักษณะอยู่ในเซลล์เดียวกันตลอดช่วงเวลาที่เกี่ยวข้องทั้งหมด จากนั้นจึงประมาณค่าเฉลี่ยถ่วงน้ำหนักของผลกระทบจากการรักษา (weighted average treatment effect) ที่คำนึงถึงโครงสร้างเชิงเวลา
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 ↗
- Imai, K., Kim, I. S., & Wang, E. H. (2021). Matching methods for causal inference with time-series cross-sectional data. American Journal of Political Science, 67(3), 587-605. DOI: 10.1111/ajps.12685 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Multi-period Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/th/causal-inference/multi-period-coarsened-exact-matching
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- Coarsened Exact Matching (CEM)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- Difference-in-Differences (DiD)เศรษฐมิติ↔ เปรียบเทียบ
- Entropy Balancingการอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- ตัวประมาณค่าด้วยการจับคู่การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- การจับคู่แบบแม่นตรงที่หยาบขึ้นสำหรับข้อมูลพาเนลการอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- การจับคู่คะแนนแนวโน้มสถิติการวิจัย↔ เปรียบเทียบ