Regression modelQuasi-experimental / causal inference
通过粗糙化精确匹配 (CEM) 进行政策评估
粗糙化精确匹配 (CEM) 是一种准实验因果推断技术，它通过暂时将协变量粗糙化（分箱），在这些箱内进行精确匹配，然后剔除未匹配的观测值，从而从观测数据中创建平衡的处理组和对照组，进而估计政策效应。CEM 由 Iacus、King 和 Porro 提出，属于单调不平衡边界匹配方法家族，在政策评估中尤为流行。
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 ↗
- Iacus, S. M., King, G., & Porro, G. (2011). Multivariate matching methods that are monotonic imbalance bounding. Journal of the American Statistical Association, 106(493), 345-361. DOI: 10.1198/jasa.2011.tm09599 ↗
如何引用本页
ScholarGate. (2026, June 3). Coarsened Exact Matching for Policy Evaluation. ScholarGate. https://scholargate.app/zh/causal-inference/policy-evaluation-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。
- 双重差分法 (Diff-in-Diff)计量经济学↔ 比较
- 熵平衡因果推断↔ 比较
- 逆概率治疗加权法 (IPW / IPTW)因果推断↔ 比较
- 倾向得分匹配研究统计学↔ 比较
- 合成控制法 (SCM)因果推断↔ 比较
Similar methods
Coarsened Exact MatchingPanel Data Coarsened Exact MatchingMulti-period Coarsened Exact MatchingCoarsened Exact Matching in Education ResearchMachine Learning-Augmented Coarsened Exact MatchingBayesian Coarsened Exact MatchingHeterogeneous Treatment Effect Coarsened Exact MatchingSpatial Coarsened Exact Matching