ScholarGate
Trợ lý
Regression modelQuasi-experimental / causal inference

Ghép Chính xác Tinh giản Không gian (Spatial CEM)

Spatial CEM áp dụng khuôn khổ Ghép Chính xác Tinh giản (CEM) cho các thiết kế nghiên cứu liên quan đến các đơn vị địa lý — khu phố, khu vực điều tra dân số, đô thị, hoặc ô lưới. Các biến đồng phương sai được tinh giản thành các nhóm rời rạc và các đơn vị được ghép chính xác theo các nhóm đó, với các thuộc tính không gian (vị trí, sự liền kề, đặc điểm địa lý) được tích hợp như các chiều ghép để kiểm soát sự nhiễu loạn không gian.

Mở trong MethodMindSắp ra mắtApply, compare, get guidance
Tools & resources
Tải xuống bản trình chiếu
Learn & explore
VideoSắp ra mắt

Đọc toàn bộ phương pháp

Chỉ dành cho thành viên

Đăng nhập bằng tài khoản miễn phí để đọc phần này.

Đăng nhập

Bản đồ phương pháp

Lân cận của các phương pháp liên quan — chọn một nút để khám phá.

Nguồn tài liệu

  1. 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
  2. Anselin, L., & Rey, S. J. (Eds.) (2014). Modern Spatial Econometrics in Practice: A Guide to GeoDa, GeoDaSpace and PySAL. GeoDa Press. ISBN: 978-0986342103

Cách trích dẫn trang này

ScholarGate. (2026, June 3). Spatial Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/vi/causal-inference/spatial-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.

So sánh song song
ScholarGateSpatial Coarsened Exact Matching (Spatial Coarsened Exact Matching Estimator). Truy cập ngày 2026-06-17 từ https://scholargate.app/vi/causal-inference/spatial-coarsened-exact-matching · Bộ dữ liệu: https://doi.org/10.5281/zenodo.20539026