Regression modelQuasi-experimental / causal inference
贝叶斯粗化精确匹配
贝叶斯粗化精确匹配（Bayesian CEM）结合了Iacus、King和Porro提出的粗化与精确匹配框架与贝叶斯后验推断。协变量被离散化为更粗的区间，以便在这些区间内对处理组和对照组单位进行精确匹配，然后对处理效应参数施加贝叶斯先验，从而生成因果估计量的完整后验分布，而非单一的点估计。
在 MethodMind 中打开即将推出Apply, compare, get guidance
Tools & resources
Learn & explore
视频即将推出
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- 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 ↗
- Hill, J. L. (2011). Bayesian Nonparametric Modeling for Causal Inference. Journal of Computational and Graphical Statistics, 20(1), 217-240. DOI: 10.1198/jcgs.2010.08162 ↗
如何引用本页
ScholarGate. (2026, June 3). Bayesian Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/zh/causal-inference/bayesian-coarsened-exact-matching
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
并排比较 →