เปรียบเทียบวิธี

	การประเมินนโยบายผ่านการจับคู่แบบหยาบที่แม่นยำ (Coarsened Exact Matching - CEM)	ระเบียบวิธีสังเคราะห์การควบคุม (Synthetic Control Method - SCM)
สาขาวิชา	การอนุมานเชิงสาเหตุ	การอนุมานเชิงสาเหตุ
ตระกูล	Regression model	Regression model
ปีกำเนิด	2011-2012	2003–2010
ผู้ริเริ่ม	Iacus, King & Porro	Alberto Abadie & Javier Gardeazabal (2003); Abadie, Diamond & Hainmueller (2010)
ประเภท	Matching / quasi-experimental design	Quasi-experimental 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., Diamond, A., & Hainmueller, J. (2010). Synthetic Control Methods for Comparative Case Studies: Estimating the Effect of California's Tobacco Control Program. Journal of the American Statistical Association, 105(490), 493-505.
ชื่อเรียกอื่น	CEM, Coarsened Exact Matching, CEM policy evaluation, coarsening-based matching	SCM, synthetic control, synth estimator, Abadie-Diamond-Hainmueller method
ที่เกี่ยวข้อง	5	4
สรุป	Coarsened Exact Matching (CEM) is a quasi-experimental causal-inference technique that creates balanced treatment and control groups from observational data by temporarily coarsening covariates into bins, exactly matching units within those bins, and then pruning unmatched observations before estimating policy effects. Introduced by Iacus, King, and Porro, CEM belongs to the monotonic imbalance bounding family of matching methods and is especially popular in policy evaluation.	The Synthetic Control Method estimates the causal effect of a treatment or policy on a single treated unit by constructing a weighted combination of untreated units — the synthetic control — that closely resembles the treated unit before the intervention. The gap between the treated unit and its synthetic counterpart after the intervention is the estimated treatment effect.