Ghép Chính xác Thu gọn Tăng cường Học máy (ML-CEM)
Ghép Chính xác Thu gọn Tăng cường Học máy (ML-CEM) mở rộng phương pháp Ghép Chính xác Thu gọn (CEM) (Iacus, King & Porro, 2012) bằng cách sử dụng học máy có giám sát để tự động hóa và tối ưu hóa bước thu gọn — rời rạc hóa các biến liên tục thành các nhóm — thay vì dựa vào các điểm cắt do nhà nghiên cứu chỉ định. Điều này làm giảm tính chủ quan tùy tiện trong các quyết định thu gọn và sự mất cân bằng còn sót lại, đồng thời bảo tồn logic cốt lõi của CEM về việc khớp chính xác trong các phân tầng đã thu gọn.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Bản đồ phương pháp
Lân cận của các phương pháp liên quan — chọn một nút để khám phá.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Machine Learning-Augmented Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/vi/causal-inference/machine-learning-augmented-coarsened-exact-matching
Phương pháp nào?
Đặt phương pháp này bên cạnh những phương pháp gần gũi nhất với nó và đọc chúng song song — thư viện bày sách lên bàn; lựa chọn là của bạn.
- Ghép Chính xác Tinh chỉnh (CEM)Suy luận nhân quả↔ so sánh
- Ước lượng Mạnh mẽ Kép (AIPW)Suy luận nhân quả↔ so sánh
- Cân bằng EntropySuy luận nhân quả↔ so sánh
- Ghép điểm xu hướng được tăng cường bằng học máySuy luận nhân quả↔ so sánh
- Ước lượng khớp cặpSuy luận nhân quả↔ so sánh
- Ghép cặp điểm xu hướngThống kê nghiên cứu↔ so sánh
Similar methods
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →