GARY KING

Ce programme est conçu pour améliorer l’estimation des effets causaux via une méthode de correspondance extrêmement puissante, largement applicable et exceptionnellement facile à comprendre et à utiliser (si vous comprenez comment dessiner un histogramme, vous comprendrez cette méthode). Le programme implémente l’algorithme de correspondance exacte grossie (CEM) décrit dans:

“Inférence causale Sans vérification de l’équilibre: Correspondance Exacte Grossière”(Analyse Politique, 2012) et “Méthodes de Correspondance Multivariée qui Délimitent un Déséquilibre Monotone” (JASA, 2011), “CEM: Correspondance Exacte Grossière dans Stata” (Stata Journal, 2009, avec Matthew Blackwell), “CEM: Logiciel de Correspondance Exacte Grossière.”(Journal of Statistical Software, 2009), “A Theory of Statistical Inference for Matching Methods in Causal Research” (2017). Voir aussi Une Explication des poids CEM.

L’appariement est une méthode non paramétrique de prétraitement des données pour contrôler une partie ou la totalité de l’influence potentiellement confondante des variables de contrôle du prétraitement en réduisant le déséquilibre entre les groupes traités et les groupes témoins. Après un prétraitement de cette manière, toute méthode d’analyse qui aurait été utilisée sans correspondance peut être appliquée pour estimer les effets causaux, bien que certaines méthodes aient des propriétés encore meilleures. CEM est une méthode d’appariement de la Limite de déséquilibre monotonoïque (MIB) — ce qui signifie que l’équilibre entre les groupes traités et les groupes témoins est choisi par l’utilisateur ex ante plutôt que découvert par le processus laborieux habituel de vérification après coup et de réestimation répétée, et de sorte que l’ajustement du déséquilibre sur une variable n’a aucun effet sur le déséquilibre maximal d’une autre. CEM limite également strictement par le choix ex ante de l’utilisateur à la fois le degré de dépendance du modèle et l’erreur moyenne d’estimation de l’effet de traitement, élimine le besoin d’une procédure distincte pour restreindre les données à un support empirique commun, répond au principe de congruence, résiste aux erreurs de mesure, fonctionne bien avec de multiples méthodes d’imputation pour les données manquantes, peut être complètement automatisé et est extrêmement rapide sur le plan informatique, même avec de très grands ensembles de données. Après avoir prétraité les données avec CEM, l’analyste peut alors utiliser une simple différence de moyenne ou tout autre modèle statistique qu’il aurait appliqué sans correspondance. La MEC fonctionne également bien pour les traitements multicatégories, en déterminant des blocs dans des conceptions expérimentales et en évaluant des contre-facteurs extrêmes.

CEM a officiellement été “qualifié pour un usage scientifique” par la Food and Drug Administration des États-Unis.

• Veuillez envoyer TOUTES les questions, bugs et demandes de fonctionnalités à notre liste de diffusion (vous devez vous abonner pour les envoyer): Abonnez-vous ou Parcourez / Recherchez les archives
• Package CEM pour R:

  • Pour installer, à partir de la bibliothèque R:
    (devtools); (install.packages (“devtools”) d’abord si nécessaire)
    install_github(“https://github.com/IQSS/cem.git”)

  • Pour la documentation, à partir de R, tapez library (cem), puis ?cem (ou la version publiée du Journal of Statistical Software)
  • Dépôt Github: https://github.com/IQSS/cem
• CEM dans MatchIt pour R: La plupart des fonctionnalités de CEM sont également disponibles via le package R MatchIt: Prétraitement non paramétrique pour l’inférence causale paramétrique.
• CEM pour SAS, par Stefano Verzillo, Paolo Berta et Matteo Bossi
  Téléchargez la macro CEM SAS (Version: 2/2017, Questions: [email protected] )
  Voir aussi l’article JSCS: “%CEM : Une macro SAS pour effectuer une correspondance exacte grossière”
• CEM pour Stata (version 10 ou ultérieure):
  • Pour installer, tapez:
    net à partir de https://www.mattblackwell.org/files/stata
    net install cem
  • Vous pouvez également installer à partir du SSC:
    ssc install cem
  • Pour la documentation, tapez “help cem” ou téléchargez le PDF (ou la version publiée dans le Stata Journal: PDF).

• CEM pour SPSS : Site web

• CEM pour SQL (fonctionne avec des milliards d’observations) : ZaliQL