การประเมินนโยบายผ่านการจับคู่แบบหยาบที่แม่นยำ (Coarsened Exact Matching - CEM)
Coarsened Exact Matching (CEM) เป็นเทคนิคการอนุมานเชิงสาเหตุแบบกึ่งทดลองที่สร้างกลุ่มทดลองและกลุ่มควบคุมที่สมดุลจากข้อมูลเชิงสังเกต โดยการทำให้ตัวแปรร่วม (covariates) หยาบเป็นกลุ่มย่อย (bins) ชั่วคราว จับคู่หน่วย (units) ภายในกลุ่มย่อยเหล่านั้นอย่างแม่นยำ และตัดหน่วยที่ไม่ตรงกันออกก่อนที่จะประมาณผลกระทบของนโยบาย CEM ซึ่งนำเสนอโดย Iacus, King และ Porro จัดอยู่ในกลุ่มวิธีการจับคู่แบบจำกัดความไม่สมดุลแบบทางเดียว (monotonic imbalance bounding) และเป็นที่นิยมอย่างยิ่งในการประเมินนโยบาย
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 ↗
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Coarsened Exact Matching for Policy Evaluation. ScholarGate. https://scholargate.app/th/causal-inference/policy-evaluation-coarsened-exact-matching
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- Difference-in-Differences (DiD)เศรษฐมิติ↔ เปรียบเทียบ
- Entropy Balancingการอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- Inverse Probability Weighting (IPW / IPTW) การถ่วงน้ำหนักด้วยความน่าจะเป็นผกผันการอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- การจับคู่คะแนนแนวโน้มสถิติการวิจัย↔ เปรียบเทียบ
- ระเบียบวิธีสังเคราะห์การควบคุม (Synthetic Control Method - SCM)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ