การจับคู่แบบแม่นยำที่ปรับหยาบเชิงพื้นที่ (Spatial CEM)
Spatial CEM นำกรอบการทำงาน Coarsened Exact Matching มาใช้กับการออกแบบการศึกษาที่เกี่ยวข้องกับหน่วยทางภูมิศาสตร์ — เช่น ละแวกบ้าน, เขตสำมะโนประชากร, เทศบาล, หรือเซลล์กริด ตัวแปรร่วมจะถูกปรับหยาบเป็นกลุ่มข้อมูลแบบไม่ต่อเนื่อง และหน่วยจะถูกจับคู่แบบแม่นยำตามกลุ่มข้อมูลเหล่านั้น โดยมีคุณลักษณะเชิงพื้นที่ (ตำแหน่ง, การอยู่ติดกัน, ลักษณะทางภูมิศาสตร์) รวมอยู่ด้วยในฐานะมิติของการจับคู่เพื่อควบคุมการปะปนเชิงพื้นที่
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 ↗
- Anselin, L., & Rey, S. J. (Eds.) (2014). Modern Spatial Econometrics in Practice: A Guide to GeoDa, GeoDaSpace and PySAL. GeoDa Press. ISBN: 978-0986342103
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Spatial Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/th/causal-inference/spatial-coarsened-exact-matching
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- Coarsened Exact Matching (CEM)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- Difference-in-Differences (DiD)เศรษฐมิติ↔ เปรียบเทียบ
- การจับคู่คะแนนแนวโน้มสถิติการวิจัย↔ เปรียบเทียบ
- การประมาณค่าแบบทนทานสองชั้นเชิงพื้นที่การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- การจับคู่คะแนนความโน้มเอียงเชิงพื้นที่การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- Spatial Regression Discontinuity Designการอนุมานเชิงสาเหตุ↔ เปรียบเทียบ