เปรียบเทียบวิธี

	การจับคู่แบบละเอียดหยาบที่เสริมด้วยแมชชีนเลิร์นนิง (ML-CEM)	ตัวประมาณค่าด้วยการจับคู่
สาขาวิชา	การอนุมานเชิงสาเหตุ	การอนุมานเชิงสาเหตุ
ตระกูล	Regression model	Regression model
ปีกำเนิด	2012-2019	1973
ผู้ริเริ่ม	Extension of Iacus, King & Porro (2012) CEM; ML integration developed in subsequent causal ML literature	Rubin (1973); large-sample theory by Abadie & Imbens (2006)
ประเภท	Matching / quasi-experimental	Nonparametric matching / causal inference
แหล่งต้นตำรับ	Iacus, S. M., King, G., & Porro, G. (2012). Causal Inference without Balance Checking: Coarsened Exact Matching. Political Analysis, 20(1), 1-24.	Abadie, A., & Imbens, G. W. (2006). Large Sample Properties of Matching Estimators for Average Treatment Effects. Econometrica, 74(1), 235-267.
ชื่อเรียกอื่น	ML-augmented CEM, ML-CEM, automated coarsened exact matching, ML-assisted CEM	nearest-neighbor matching, NNM, matching on covariates, covariate matching
ที่เกี่ยวข้อง	6	6
สรุป	Machine Learning-Augmented Coarsened Exact Matching extends Coarsened Exact Matching (Iacus, King & Porro, 2012) by using supervised machine learning to automate and optimise the coarsening step — the discretisation of continuous covariates into bins — rather than relying on researcher-specified cutpoints. This reduces both ad hoc subjectivity in coarsening decisions and residual imbalance, while preserving CEM's core logic of exact matching within coarsened strata.	The matching estimator identifies the causal effect of a treatment by pairing each treated unit with one or more untreated units that have similar observed characteristics. Formalised by Rubin (1973) and given rigorous large-sample theory by Abadie and Imbens (2006), it constructs a credible control group from observational data without requiring a parametric model for the outcome.