Машинне навчання-доповнене точне укрупнене зіставлення (ML-CEM)
Машинне навчання-доповнене точне укрупнене зіставлення розширює точне укрупнене зіставлення (Iacus, King & Porro, 2012) шляхом використання керованого машинного навчання для автоматизації та оптимізації кроку укрупнення — дискретизації неперервних коваріатів на інтервали — замість покладання на визначені дослідником точки розбиття. Це зменшує як суб'єктивність у рішеннях щодо укрупнення, так і залишкову незбалансованість, зберігаючи при цьому основну логіку CEM точного зіставлення в межах укрупнених страт.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
Джерела
- Iacus, S. M., King, G., & Porro, G. (2012). Causal Inference without Balance Checking: Coarsened Exact Matching. Political Analysis, 20(1), 1-24. DOI: 10.1093/pan/mpr013 ↗
- Imai, K., & Ratkovic, M. (2014). Covariate balancing propensity score. Journal of the Royal Statistical Society: Series B, 76(1), 243-263. DOI: 10.1111/rssb.12027 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Machine Learning-Augmented Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/uk/causal-inference/machine-learning-augmented-coarsened-exact-matching
Який метод?
Поставте цей метод поруч із його найближчими спорідненими й читайте їх пліч-о-пліч — бібліотека викладає книги на стіл; вибір за вами.
- Згруповане точне зіставлення (CEM)Причинно-наслідковий висновок↔ порівняти
- Подвійне робастне оцінювання (AIPW)Причинно-наслідковий висновок↔ порівняти
- Збалансування ентропієюПричинно-наслідковий висновок↔ порівняти
- Машинне навчання з доповненням зіставленням за показником схильностіПричинно-наслідковий висновок↔ порівняти
- Оцінювач на основі зіставленняПричинно-наслідковий висновок↔ порівняти
- Зіставлення за показником схильностіСтатистика досліджень↔ порівняти
Similar methods
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →