Regression modelQuasi-experimental / causal inference
机器学习增强的粗糙精确匹配 (ML-CEM)
机器学习增强的粗糙精确匹配 (ML-CEM) 通过使用监督机器学习来自动化和优化粗糙化步骤——即将连续协变量离散化为分箱——而不是依赖研究者指定的切点，从而扩展了粗糙精确匹配 (CEM) (Iacus, King & Porro, 2012)。这减少了粗糙化决策中的随意主观性以及残余不平衡，同时保留了 CEM 在粗糙分层内进行精确匹配的核心逻辑。
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. (2014). Covariate balancing propensity score. Journal of the Royal Statistical Society: Series B, 76(1), 243-263. DOI: 10.1111/rssb.12027 ↗
如何引用本页
ScholarGate. (2026, June 3). Machine Learning-Augmented Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/zh/causal-inference/machine-learning-augmented-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
- 双重稳健估计（AIPW）因果推断↔ 比较
- 熵平衡因果推断↔ 比较
- 机器学习增强倾向得分匹配因果推断↔ 比较
- 匹配估计量因果推断↔ 比较
- 倾向得分匹配研究统计学↔ 比较
Similar methods
Coarsened Exact MatchingMachine Learning-Augmented Matching EstimatorPolicy Evaluation Coarsened Exact MatchingBayesian Coarsened Exact MatchingPanel Data Coarsened Exact MatchingHeterogeneous Treatment Effect Coarsened Exact MatchingMachine Learning-Augmented Propensity Score MatchingMachine Learning-Augmented Entropy Balancing