Regression modelQuasi-experimental / causal inference
异质处理效应粗化精确匹配
异质处理效应粗化精确匹配（HTE-CEM）扩展了粗化精确匹配框架，用于估计处理效应如何随亚组或个体特征而变化。在CEM通过将连续协变量粗化为区间并在每个区间内精确匹配单元来创建平衡分层后，将计算这些分层内部或跨分层的条件平均处理效应（CATE），从而揭示处理在何处、对谁以及在多大程度上起作用。
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 ↗
- Imai, K., & Ratkovic, M. (2013). Estimating treatment effect heterogeneity in randomized program evaluation. Annals of Applied Statistics, 7(1), 443-470. DOI: 10.1214/12-AOAS593 ↗
如何引用本页
ScholarGate. (2026, June 3). Heterogeneous Treatment Effect Estimation via Coarsened Exact Matching. ScholarGate. https://scholargate.app/zh/causal-inference/heterogeneous-treatment-effect-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。
- 粗化精确匹配 (CEM)因果推断↔ 比较
- 双重差分法 (Diff-in-Diff)计量经济学↔ 比较
- 熵平衡因果推断↔ 比较
- 异质性处理效应倾向得分匹配因果推断↔ 比较
- 倾向得分匹配研究统计学↔ 比较
Similar methods
Heterogeneous Treatment Effect Matching EstimatorHeterogeneous Treatment Effect Propensity Score MatchingHeterogeneous Treatment Effect Entropy BalancingCoarsened Exact MatchingPolicy Evaluation Coarsened Exact MatchingMachine Learning-Augmented Coarsened Exact MatchingHeterogeneous Treatment Effect Inverse Probability WeightingPanel Data Coarsened Exact Matching