Regression modelQuasi-experimental / causal inference

面板数据粗化精确匹配

面板数据粗化精确匹配将重复测量面板数据应用粗化精确匹配（CEM）算法，在多个时间段内匹配同一粗化协变量层中的处理组和对照组单位。它在估计因果处理效应之前平衡了处理前特征，将精确匹配的透明度与纵向数据集提供的更丰富的识别信息结合起来。

在 MethodMind 中打开即将推出Apply, compare, get guidance

Tools & resources

下载幻灯片

Learn & explore

视频即将推出

阅读完整方法

仅限会员

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。

面板数据粗化精确匹配

粗化精确匹配 (CEM)双重差分法 (Diff-in-Diff)匹配估计量面板数据倾向得分匹配面板数据固定效应模型倾向得分匹配多期粗糙化精确匹配

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). Panel Data Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/zh/causal-inference/panel-data-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 →

被引用于

多期粗糙化精确匹配

Related reference concepts

研究匹配与分层准实验和自然实验设计因果识别反事实推理敏感性分析缺失数据与样本流失

发现本页有问题？报告或提出修改建议 →