Regression modelQuasi-experimental / causal inference
多期粗糙化精确匹配
多期粗糙化精确匹配（multi-period CEM）将 Iacus、King 和 Porro 的 CEM 框架扩展到具有多个处理前和处理后时期的纵向数据。它将连续协变量分箱为粗糙化类别，在所有相关时间段内匹配落入相同单元格的处理组和对照组单位，然后估计一个考虑了时间结构的加权平均处理效应。
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., Kim, I. S., & Wang, E. H. (2021). Matching methods for causal inference with time-series cross-sectional data. American Journal of Political Science, 67(3), 587-605. DOI: 10.1111/ajps.12685 ↗
如何引用本页
ScholarGate. (2026, June 3). Multi-period Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/zh/causal-inference/multi-period-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
- 匹配估计量因果推断↔ 比较
- 面板数据粗化精确匹配因果推断↔ 比较
- 倾向得分匹配研究统计学↔ 比较