เปรียบเทียบวิธี

	ตัวประมาณการจับคู่แบบเบย์ (Bayesian Matching Estimator)	การจับคู่คะแนนความโน้มเอียงแบบเบย์
สาขาวิชา	การอนุมานเชิงสาเหตุ	การอนุมานเชิงสาเหตุ
ตระกูล	Regression model	Regression model
ปีกำเนิด	1978–1998	2012
ผู้ริเริ่ม	Donald B. Rubin (Bayesian causal framework); extended by Heckman, Ichimura & Todd (matching estimator formalization)	Kaplan & Chen (2012); foundational PSM by Rosenbaum & Rubin (1983)
ประเภท	Bayesian causal inference / nonparametric matching	Bayesian causal inference / matching
แหล่งต้นตำรับ	Rubin, D. B. (1978). Bayesian inference for causal effects: The role of randomization. The Annals of Statistics, 6(1), 34-58.	Kaplan, D., & Chen, J. (2012). A Two-Step Bayesian Approach for Propensity Score Analysis: Simulations and Case Study. Psychometrika, 77(3), 581-609.
ชื่อเรียกอื่น	Bayesian matching, Bayesian nonparametric matching, Bayes-ATE matching, posterior matching estimator	Bayesian PSM, BPSM, Bayesian matching estimator, Bayesian propensity weighting
ที่เกี่ยวข้อง	6	6
สรุป	The Bayesian Matching Estimator estimates average treatment effects in observational studies by combining classical nearest-neighbour or kernel matching with a Bayesian posterior over the treatment effect. It inherits matching's covariate-balancing logic while propagating uncertainty through a full posterior distribution rather than relying on asymptotic standard errors, yielding credible intervals that reflect both sampling variability and prior knowledge.	Bayesian Propensity Score Matching (Bayesian PSM) extends classical propensity score matching by placing a prior distribution over the propensity model parameters and propagating posterior uncertainty through the matching and outcome stages. Introduced formally by Kaplan and Chen (2012), it offers a principled account of estimation uncertainty that frequentist matching commonly ignores, and allows incorporation of substantive prior knowledge about treatment selection.