Regression modelQuasi-experimental / causal inference
空间粗粒化精确匹配 (Spatial CEM)
空间粗粒化精确匹配 (Spatial CEM) 将粗粒化精确匹配框架应用于涉及地理单元（邻里、普查区、市镇或网格单元）的研究设计。协变量被粗粒化为离散的箱体，单元在这些箱体上进行精确匹配，并将空间属性（位置、邻接性、地理特征）作为匹配维度纳入，以控制空间混淆。
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 ↗
- Anselin, L., & Rey, S. J. (Eds.) (2014). Modern Spatial Econometrics in Practice: A Guide to GeoDa, GeoDaSpace and PySAL. GeoDa Press. ISBN: 978-0986342103
如何引用本页
ScholarGate. (2026, June 3). Spatial Coarsened Exact Matching Estimator. ScholarGate. https://scholargate.app/zh/causal-inference/spatial-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
- 倾向得分匹配研究统计学↔ 比较
- 空间双重稳健估计因果推断↔ 比较
- 空间倾向得分匹配因果推断↔ 比较
- 空间回归不连续设计 (Spatial RDD)因果推断↔ 比较