İçeriğe geçScholarGate
KütüphaneKitaplığımMasaReview StudioAsistan
Giriş
Bu sayfada
SezgiNasıl çalışırNe zaman kullanılırGüçlü yönler & sınırlılıklarYaygın tuzaklarUygulamalarSSS🔒 Tam yöntemi okuKaynaklarİlişkili yöntemler
Bu sayfaya atıf yapBu sayfada bir hata mı var? Bildir / düzeltme öner →
Ana sayfa›Nedensel çıkarım›Mekansal Eğilim Puanı Eşleştirmesi
Regression modelQuasi-experimental / causal inference

Mekansal Eğilim Puanı Eşleştirmesi

Spatial Propensity Score Matching Estimator · Ayrıca şöyle bilinir: Spatial PSM, Geospatial PSM, Spatially-adjusted propensity score matching, Geographic propensity score matching

Mekansal Eğilim Puanı Eşleştirmesi (Mekansal PSM), birimlerin coğrafi uzayda yer aldığı ve tedavi atamasının veya sonuçların mekansal olarak ilişkili olabileceği durumlarda klasik eğilim puanı eşleştirme çerçevesini genişletir. Eğilim modeline ve eşleştirme prosedürüne mekansal kovaryetleri ve komşuluk yapısını dahil ederek, coğrafi karıştırıcıları ve taşma etkilerini hesaba katan nedensel tahminler üretir.

ScholarGate
  1. Regression model
  2. v1
  3. 2 Kaynaklar
  4. PUBLISHED
Bu sayfaya atıf yap →
Araçlar & kaynaklar
Slaytları indir
Öğren & keşfet

Tam yöntemi oku

Yalnızca üyeler

Bu bölümü okumak için ücretsiz hesapla giriş yapın.

Giriş yap

Yöntem haritası

İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.

Mekansal Eğilim Puanı Eşleştirmesi
Coarsened Exact Matching…Eğilim Skoru EşleştirmesiUzamsal Çift Sağlam Tahm…Mekansal Enstrümantal De…Mekansal Regresyon Kesin…Mekansal Sentetik Kontro…Mekansal Kaba Eşleştirme…Mekansal Entropi Dengele…Mekansal Kesintili Zaman…Mekansal Marjinal Yapısa…

+2 tane daha

Ne zaman kullanılır

Tedavi atamasının coğrafi olarak yapılandırıldığı — örneğin, belirli bölgelerde uygulanan bir politika, bir kaynağa yakınlıktan kaynaklanan çevresel maruziyet veya belirli alanları etkileyen bir altyapı müdahalesi — ve makul coğrafi yakınlık içinde kontrol birimleri bulunabildiği durumlarda Mekansal PSM'yi kullanın. Coğrafi tanımlayıcılara sahip kesitsel veya tekrarlanan kesitsel veriler, orta derecede büyük örneklemler (ideal olarak grup başına n > 100) ve sürekli veya ikili sonuçlar için uygundur. Coğrafi kapsama alanının yakın kontrol birimleri bulmak için çok seyrek olduğu, mekansal taşmaların temiz bir kontrol grubunun bulunamayacağı kadar yaygın olduğu veya tedavi sınırının kendisinin yerel koşullara endojen olduğu durumlarda kullanmayın (bu durumda mekansal regresyon süreksizlik tasarımı tercih edilebilir).

Güçlü yönler & sınırlılıklar

Güçlü yönler
  • Coğrafi bağlamı eğilim modeline açıkça dahil ederek mekansal karıştırıcılardan kaynaklanan yanlılığı giderir.
  • Eşleştirilmiş çiftlerin ölçülmemiş yerel koşullarda farklılık gösterme riskini azaltarak, coğrafi olarak karşılaştırılabilir bir kontrol grubu üretir.
  • Esnek: mekansal kovaryetler, özel mekansal regresyon yazılımı gerektirmeden herhangi bir standart PSM iş akışına eklenebilir.
  • Çeşitli eşleştirme algoritmaları (en yakın komşu, çekirdek, yarıçap, katmanlama) ve mesafe ölçümleriyle uyumludur.
  • Coğrafi olarak çok yakın olan tedavi edilen-kontrol çiftlerini tanımlayarak mekansal taşmayı teşhis etmeye ve kısmen ele almaya yardımcı olur.
Sınırlılıklar
  • Güvenilir coğrafi tanımlayıcılar ve veri yoğun olabilen mekansal kovaryetlerin oluşturulmasını gerektirir.
  • Hem eğilim puanı hem de coğrafya üzerinde aynı anda eşleştirme yapmak, yakın eşleştirmeler bulmayı zorlaştırabilir, bu da etkili örneklem boyutunu azaltır.
  • Mekansal müdahale (SUTVA ihlalleri) sorununu tam olarak çözmez; taşmalar güçlüyse, mekansal olarak eşleştirilmiş tahminler bile yanlı olabilir.
  • Ölçülen mekansal kovaryetler üzerindeki denge, ölçülmemiş yerel faktörler üzerindeki dengeyi garanti etmez.
  • Performans, mekansal kovaryet spesifikasyonunun kalitesine bağlıdır; kötü seçilmiş komşular veya mesafe ölçümleri yeni yanlılıklar getirebilir.

SSS

Mekansal PSM standart PSM'den nasıl farklıdır?

Standart PSM gözlemlenen kovaryetler üzerinde eşleştirme yapar ancak coğrafi konumu göz ardı eder. Mekansal PSM ek olarak eğilim modeline coğrafi kovaryetler dahil eder ve eşleştirmeye coğrafi bir kısıtlama getirir — kontrol birimlerinin mekansal olarak yakın olmasını tercih eder veya gerektirir. Bu, standart PSM'nin ele alamadığı yerel gözlemlenmemiş faktörlerden kaynaklanan yanlılığı azaltır.

Eğilim modeline hangi mekansal kovaryetleri dahil etmeliyim?

Kullanışlı adaylar arasında coğrafi koordinatlar (enlem/boylam), önemli kovaryetlerin mekansal gecikmesi (komşu birimler arasındaki ortalama değerler), tedavi sınırına uzaklık, yerel alan sabit etkileri (bölge veya ilçe kuklaları) ve yerel ekonomik, demografik veya çevresel koşulları yakalayan herhangi bir bağlamsal değişken yer alır. Amaç, eşleştirmeden önce mekansal karıştırmayı emmektir.

Mekansal taşmalarla nasıl başa çıkmalıyım?

İlk olarak, tedavi edilen alanlara yakın kontrol birimlerinin kendilerinin kısmen tedavi edilmiş olabileceğini değerlendirin. Öyleyse, tedavi sınırları etrafında bir tampon bölge kullanarak onları kontrol havuzundan çıkarın. Alternatif olarak, sınır bölgelerine yakın ve uzak kontrol birimleri için ayrı etkiler tahmin edin veya müdahaleyi açıkça modelleyen taşmaya dayanıklı tahmin ediciler kullanın.

Mekansal PSM özel yazılım gerektirir mi?

Zorunlu değil. R veya Python'da mekansal kovaryetleri (örneğin, sf, spdep veya PySAL ile) hesaplayabilir ve ardından mekansal değişkenleri ve bir coğrafi kaliperi ekleyerek standart PSM paketlerini (R'de MatchIt, Python'da causalml veya zEpid) kullanabilirsiniz. Bazı uygulamalı makaleler, eşleştirilmiş birimler arasındaki maksimum kabul edilebilir mesafe aracılığıyla coğrafi kaliperi uygular.

Neden mekansal regresyon süreksizlik tasarımını tercih etmeliyim?

Tedavi atamasının keskin bir coğrafi sınırı (örneğin, idari sınır, yargı hattı) geçerek belirlendiği ve bu sınırın her iki tarafındaki birimlerin aksi takdirde karşılaştırılabilir olduğu durumlarda mekansal RDD'yi tercih edin. Mekansal PSM, tedavinin geniş ölçüde coğrafi olarak kümelendiği ancak keskin bir sınırı takip etmediği ve daha geniş bir kontrol birimi setinin mevcut olduğu durumlarda daha uygundur.

Kaynaklar

  1. 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: 10.1093/biomet/70.1.41 ↗
  2. Kelejian, H. H., & Prucha, I. R. (2004). Estimation of simultaneous systems of spatially interrelated cross sectional equations. Journal of Econometrics, 118(1-2), 27-50. DOI: 10.1016/S0304-4076(03)00133-7 ↗

Bu sayfayı kaynak gösterin

ScholarGate. (2026, June 3). Spatial Propensity Score Matching Estimator. ScholarGate. https://scholargate.app/tr/causal-inference/spatial-propensity-score-matching

İlişkili yöntemler

Coarsened Exact Matching (CEM)Eğilim Skoru EşleştirmesiUzamsal Çift Sağlam TahminMekansal Enstrümantal Değişkenler (Mekansal IV / Mekansal 2YLS)Mekansal Regresyon Kesinti Tasarımı (Mekansal RDD)Mekansal Sentetik Kontrol Yöntemi

Hangi yöntem?

Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.

  • Coarsened Exact Matching (CEM)Nedensel çıkarım↔ karşılaştır
  • Eğilim Skoru EşleştirmesiAraştırma istatistiği↔ karşılaştır
  • Uzamsal Çift Sağlam TahminNedensel çıkarım↔ karşılaştır
  • Mekansal Enstrümantal Değişkenler (Mekansal IV / Mekansal 2YLS)Nedensel çıkarım↔ karşılaştır
  • Mekansal Regresyon Kesinti Tasarımı (Mekansal RDD)Nedensel çıkarım↔ karşılaştır
  • Mekansal Sentetik Kontrol YöntemiNedensel çıkarım↔ karşılaştır
Yan yana karşılaştır →

Bu yönteme atıf yapanlar

Mekansal Kaba Eşleştirme (Mekansal CEM)Mekansal Entropi DengelemeMekansal Enstrümantal Değişkenler (Mekansal IV / Mekansal 2YLS)Mekansal Kesintili Zaman SerisiMekansal Marjinal Yapısal ModelMekansal Eşleştirme TahmincisiMekansal Eğilim Puanı Ağırlıklandırması

Benzer yöntemler

Mekansal Eşleştirme TahmincisiMekansal Eğilim Puanı AğırlıklandırmasıMekansal Kaba Eşleştirme (Mekansal CEM)Mekansal Ters Olasılık Ağırlıklandırma (Mekansal IPW)Mekansal Marjinal Yapısal ModelUzamsal Çift Sağlam TahminMekansal Sentetik Kontrol YöntemiMekansal Entropi Dengeleme

İlgili referans kavramlar

Çalışmalarda Eşleştirme ve TabakalamaNedensel ÇıkarımKarşıolgusal Akıl YürütmeNedensel TanımlamaDoğal DeneyYarı Deneysel ve Doğal Deney Tasarımı

Bu sayfada bir hata mı var? Bildir / düzeltme öner →

ScholarGate — Spatial Propensity Score Matching (Spatial Propensity Score Matching Estimator). 2026-07-21 tarihinde şu adresten erişildi: https://scholargate.app/tr/causal-inference/spatial-propensity-score-matching · Veri seti: https://doi.org/10.5281/zenodo.20539026
Hızlı bilgiler
Originator
Extension of Rosenbaum & Rubin (1983) PSM to spatial settings; spatial adaptation developed in applied econometrics and epidemiology literature from the 2000s onward
Year
2000s
Type
Quasi-experimental matching estimator
DataType
Cross-sectional or panel data with geographic coordinates or spatial identifiers
Subfamily
Quasi-experimental / causal inference
İlişkili yöntemler
Coarsened Exact Matching (CEM)Eğilim Skoru EşleştirmesiUzamsal Çift Sağlam TahminMekansal Enstrümantal Değişkenler (Mekansal IV / Mekansal 2YLS)Mekansal Regresyon Kesinti Tasarımı (Mekansal RDD)Mekansal Sentetik Kontrol Yöntemi
ScholarGate

Araştırma yöntemleri için içerik öncelikli bir referans kütüphanesi — her yöntemin ne olduğu, nasıl çalıştığı ve nereden geldiği.

Açık veri (CC-BY)

Keşfet

  • Kütüphane
  • Yöntemlerde ara…
  • Alanlara göre gez
  • Alanlar
  • Yolculuk
  • Karşılaştır
  • Hangi yöntem?

Başvuru

  • Konular
  • Atlas
  • Sözlük
  • Metodoloji
  • Felsefe

Çalışma alanı

  • Kitaplığım
  • Masa
  • Sohbet

Şirket

  • Hakkımızda
  • Fiyatlandırma
  • İletişim
  • Yöntem öner

Kayıtlar, başvuru amacıyla yayımlanmış kaynaklardan derlenmiştir. Herhangi bir bilginin doğruluğunu ve kendi kullanımınıza uygunluğunu denetlemek sizin sorumluluğunuzdadır.

© 2026 ScholarGate · Araştırma yöntemleri referans kütüphanesi
  • Gizlilik
  • Çerezler
  • Koşullar
  • Hesabı sil