เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| การจับคู่แบบแม่นยำที่ปรับหยาบเชิงพื้นที่ (Spatial CEM)× | การจับคู่คะแนนความโน้มเอียงเชิงพื้นที่× | |
|---|---|---|
| สาขาวิชา | การอนุมานเชิงสาเหตุ | การอนุมานเชิงสาเหตุ |
| ตระกูล | Regression model | Regression model |
| ปีกำเนิด≠ | 2012 (CEM foundation); spatial extension in applied literature 2015-present | 2000s |
| ผู้ริเริ่ม≠ | Iacus, King & Porro (CEM foundation, 2012); extended to spatial contexts by applied spatial econometricians | Extension of Rosenbaum & Rubin (1983) PSM to spatial settings; spatial adaptation developed in applied econometrics and epidemiology literature from the 2000s onward |
| ประเภท≠ | Quasi-experimental matching estimator with spatial covariates | Quasi-experimental matching estimator |
| แหล่งต้นตำรับ≠ | Iacus, S. M., King, G., & Porro, G. (2012). Causal Inference without Balance Checking: Coarsened Exact Matching. Political Analysis, 20(1), 1-24. DOI ↗ | Rosenbaum, P. R., & Rubin, D. B. (1983). The central role of the propensity score in observational studies for causal effects. Biometrika, 70(1), 41-55. DOI ↗ |
| ชื่อเรียกอื่น | Spatial CEM, Geographic CEM, Spatial exact matching, CEM with spatial covariates | Spatial PSM, Geospatial PSM, Spatially-adjusted propensity score matching, Geographic propensity score matching |
| ที่เกี่ยวข้อง | 6 | 6 |
| สรุป≠ | Spatial Coarsened Exact Matching applies the Coarsened Exact Matching framework to study designs involving geographic units — neighbourhoods, census tracts, municipalities, or grid cells. Covariates are coarsened into discrete bins and units are matched exactly on those bins, with spatial attributes (location, adjacency, geographic characteristics) incorporated as matching dimensions to control for spatial confounding. | Spatial Propensity Score Matching (Spatial PSM) extends the classic propensity score matching framework to settings where units are embedded in geographic space and treatment assignment or outcomes may be spatially correlated. By incorporating spatial covariates and adjacency structure into the propensity model and matching procedure, it produces causal estimates that account for geographic confounding and spillover effects. |
| ScholarGateชุดข้อมูล ↗ |
|
|