Regression modelQuasi-experimental / causal inference
空间倾向得分匹配
空间倾向得分匹配（Spatial PSM）将经典的倾向得分匹配框架扩展到单元嵌入地理空间且处理分配或结果可能在空间上相关的场景。通过将空间协变量和邻接结构纳入倾向性模型和匹配程序，它可以产生考虑了地理混淆和溢出效应的因果估计。
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。
另有 2 项
来源
- Rosenbaum, P. R., & Rubin, D. B. (1983). The central role of the propensity score in observational studies for causal effects. Biometrika, 70(1), 41-55. DOI: 10.1093/biomet/70.1.41 ↗
- Kelejian, H. H., & Prucha, I. R. (2004). Estimation of simultaneous systems of spatially interrelated cross sectional equations. Journal of Econometrics, 118(1-2), 27-50. DOI: 10.1016/S0304-4076(03)00133-7 ↗
如何引用本页
ScholarGate. (2026, June 3). Spatial Propensity Score Matching Estimator. ScholarGate. https://scholargate.app/zh/causal-inference/spatial-propensity-score-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
- 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
- 空间工具变量（Spatial IV / Spatial 2SLS）因果推断↔ 比较
- 空间回归不连续设计 (Spatial RDD)因果推断↔ 比较
- 空间合成控制法因果推断↔ 比较