GARY KING

Este programa está diseñado para mejorar la estimación de los efectos causales a través de un método de emparejamiento extremadamente poderoso que es ampliamente aplicable y excepcionalmente fácil de entender y usar (si entiende cómo dibujar un histograma, comprenderá este método). El programa implementa el algoritmo de Coincidencia Exacta Rugosa (CEM) descrito en:

” Inferencia Causal Sin Comprobación de Balance: Tosco coincidencias Exactas” (Análisis Político, 2012) y “Multivariante Métodos de juego Que son Monótonas Desequilibrio de Delimitación” (JASA, 2011), “CEM: Tosco correspondencia Exacta en Stata” (Stata Journal, 2009, con Mateo Blackwell), “CEM: Software para Tosco coincidencias Exactas.”(Journal of Statistical Software, 2009),” A Theory of Statistical Inference for Matching Methods in Causal Research ” (2017). Véase también Una Explicación de los Pesos CEM.

El emparejamiento es un método no paramétrico de preprocesamiento de datos para controlar parte o la totalidad de la influencia potencialmente confusa de las variables de control del pretratamiento al reducir el desequilibrio entre los grupos tratados y de control. Después del preprocesamiento de esta manera, cualquier método de análisis que se hubiera utilizado sin coincidencia puede aplicarse para estimar los efectos causales, aunque algunos métodos tendrán propiedades aún mejores. CEM es un método de emparejamiento de Límite de Desequilibrio Monotónico (MIB), lo que significa que el equilibrio entre los grupos tratados y de control es elegido por el usuario ex ante en lugar de ser descubierto a través del laborioso proceso habitual de verificación después del hecho y reestimación repetida, de modo que ajustar el desequilibrio en una variable no tiene efecto en el desequilibrio máximo de ninguna otra. CEM también limita estrictamente a través de la elección ex ante del usuario tanto el grado de dependencia del modelo como el error promedio de estimación del efecto del tratamiento, elimina la necesidad de un procedimiento separado para restringir los datos al soporte empírico común, cumple con el principio de congruencia, es robusto al error de medición, funciona bien con múltiples métodos de imputación para datos faltantes, puede ser completamente automatizado y es extremadamente rápido computacionalmente incluso con conjuntos de datos muy grandes. Después de preprocesar los datos con CEM, el analista puede usar una simple diferencia de medias o cualquier modelo estadístico que hubiera aplicado sin coincidir. El CEM también funciona bien para tratamientos multicategoría, determinando bloques en diseños experimentales y evaluando contrafactuales extremos.

El CEM ha sido oficialmente “Calificado para Uso Científico” por la Administración de Alimentos y Medicamentos de los Estados Unidos.

• Envíe todas las preguntas, errores y solicitudes de características a nuestra lista de correo (debe suscribirse para enviar): Suscríbase o Explore/Busque archivos
• Paquete CEM para R:

  • Para instalar, desde la biblioteca R:
    (devtools); (install.paquetes (“devtools”) primero si es necesario)
    install_github(“https://github.com/IQSS/cem.git”)

  • Para documentación, desde R, escriba library(cem) y, a continuación,?cem (o la versión publicada de Journal of Statistical Software)
  • repositorio Github: https://github.com/IQSS/cem
• CEM en MatchIt para R: La mayoría de las características de CEM también están disponibles a través del paquete R MatchIt: Preprocesamiento No Paramétrico para Inferencia Causal Paramétrica.
• CEM para SAS, por Stefano Verzillo, Paolo Berta y Matteo Bossi
  Descargue la macro SAS CEM (Versión: 2/2017, Preguntas: [email protected])
  Consulte también el artículo de JSCS: “%CEM: Una macro SAS para realizar coincidencias exactas gruesas”
• CEM para Stata (versión 10 o posterior):
  • Para instalar, escriba:
    net desde https://www.mattblackwell.org/files/stata
    net install cem
  • También puede instalar desde SSC:
    ssc install cem
  • Para obtener documentación, escriba “help cem” o descargue el PDF (o la versión publicada en el diario Stata: PDF).

• CEM para SPSS: Sitio web

• CEM para SQL (funciona con miles de millones de observaciones): ZaliQL