GARY KING

Tento program je navržen tak, aby zlepšit odhad kauzální účinky prostřednictvím nesmírně mocná metoda matching, který je široce použitelná a výjimečně snadné pochopit a používat (pokud jste pochopili, jak kreslit histogram, budete rozumět, tento způsob). Program implementuje algoritmus Coarsened Exact Matching (CEM) popsaný v:

” kauzální Inference bez kontroly zůstatku: Hrubý Přesná Shoda” (Politické Analýzy, 2012) a “Více Odpovídající Metody, Které jsou Monotónní Nerovnováha Ohraničující” (JASA, 2011), “CEM: Hrubý Přesná Shoda v Stata” (Stata Journal, 2009, s Matthew Blackwell), “CEM: Software pro Hrubý Přesná Shoda.”(Journal of Statistical Software, 2009),” a Theory of Statistical Inference for Matching Methods in Causal Research ” (2017). Viz také vysvětlení hmotnosti CEM.

Shoda je neparametrické metody předzpracování dat pro řízení pro některé nebo všechny potenciálně matoucích vlivu předčištění kontrolní proměnné snížením nerovnováhy mezi experimentální a kontrolní skupiny. Po předzpracování tímto způsobem lze k odhadu příčinných účinků použít jakoukoli metodu analýzy, která by byla použita bez shody, i když některé metody budou mít ještě lepší vlastnosti. CEM je Monotonoic Nerovnováha Vymezovací (MIB) odpovídající metody — což znamená, že rovnováha mezi experimentální a kontrolní skupiny je vybrán uživatelem ex ante spíše než objevena prostřednictvím obvyklých pracný proces kontroly po skutečnost, a opakovaně reestimating, a to tak, že nastavení nerovnováha na jedné proměnné nemá žádný vliv na maximální nerovnováha nějaké jiné. CEM také přísně kroky prostřednictvím ex ante uživatelská volba obou stupeň modelu závislosti a průměrný léčebný účinek odhad chyby, eliminuje potřebu samostatného řízení omezit data na společné empirickou podporu, splňuje kongruence princip, je robustní, aby chyba měření, funguje dobře s více metody imputace chybějících údajů, může být zcela automatické a je velmi rychlý výpočetně i s velmi velké datové sady. Po předběžném zpracování dat pomocí CEM může analytik použít jednoduchý rozdíl v prostředcích nebo jakýkoli statistický model, který by použil bez shody. CEM také funguje dobře pro vícekategorické ošetření, určování bloků v experimentálních návrzích a hodnocení extrémních kontrafaktuálů.

CEM byl oficiálně “kvalifikován pro vědecké použití” u.s. Food and Drug Administration.

• zašlete prosím všechny dotazy, chyby a požadavky na nové funkce do našeho mailing listu (musíte se přihlásit k odeslání): Přihlásit se, nebo procházet/hledat archivy
• CEM balíček pro R:

  • Chcete-li nainstalovat, z R:
    knihovna (devtools); (instalovat.balíčky (“devtools”) nejprve v případě potřeby)
    install_github(“https://github.com/IQSS/cem.git”)

  • pro dokumentaci, z R, Typ knihovna (cem), a pak ?cem (nebo zveřejněné Journal of Statistical Software version)
  • Github úložiště: https://github.com/IQSS/cem
• CEM v MatchIt pro R: Většina funkcí CEM jsou také k dispozici prostřednictvím R Balíček MatchIt: Neparametrický Předzpracování pro Parametrické Kauzální Inference.
• CEM pro SAS, Stefano Verzillo, Paolo Berta, a Bossi, Matteo
  ke Stažení SAS CEM Makro (Verze: 2/2017, Dotazy: [email protected])
  Viz také JSCS článku: “%CEM: SAS makro provést hrubý přesná shoda”
• CEM pro Stata (verze 10 nebo novější):
  • nainstalovat, zadejte:
    čisté https://www.mattblackwell.org/files/stata
    čistá instalace cem
  • můžete také nainstalovat z SSC:
    ssc nainstalovat cem
  • Pro dokumentaci, typ “pomoci cem”, nebo ke stažení ve formátu PDF (nebo publikované verze v Stata Časopisu: PDF).

• CEM pro SPSS: webové Stránky

• CEM pro SQL (práce s miliardami z pozorování): ZaliQL