GARY KING

Dieses Programm wurde entwickelt, um die Schätzung von kausalen Effekten über eine extrem leistungsfähige Methode des Matchings zu verbessern, die weit verbreitet und außergewöhnlich einfach zu verstehen und zu verwenden ist (wenn Sie verstehen, wie man ein Histogramm zeichnet, werden Sie diese Methode verstehen). Das Programm implementiert den Coarsened Exact Matching (CEM) -Algorithmus, der in:

“Kausale Inferenz ohne Gleichgewichtsprüfung” beschrieben ist: Coarsened Exact Matching” (Politische Analyse, 2012) und “Multivariate Matching-Methoden, die monotone Ungleichgewichtsgrenzen sind” (JASA, 2011), “CEM: Coarsened Exact Matching in Stata” (Stata Journal, 2009, mit Matthew Blackwell), “CEM: Software für Coarsened Exact Matching.” (Journal of Statistical Software, 2009), “Eine Theorie der statistischen Inferenz für Matching-Methoden in der Kausalforschung” (2017). Siehe auch eine Erklärung der CEM-Gewichte.

Matching ist eine nichtparametrische Methode zur Vorverarbeitung von Daten zur Kontrolle einiger oder aller potenziell störenden Einflüsse von Vorbehandlungssteuervariablen durch Verringerung des Ungleichgewichts zwischen der behandelten und der Kontrollgruppe. Nach der Vorverarbeitung auf diese Weise kann jede Analysemethode, die ohne Übereinstimmung verwendet worden wäre, angewendet werden, um kausale Effekte abzuschätzen, obwohl einige Methoden noch bessere Eigenschaften aufweisen. Dies bedeutet, dass das Gleichgewicht zwischen der behandelten und der Kontrollgruppe vom Benutzer ex ante gewählt wird, anstatt durch den üblichen mühsamen Prozess der nachträglichen Überprüfung und wiederholten Neubewertung entdeckt zu werden, und so dass die Anpassung des Ungleichgewichts an einer Variablen keinen Einfluss auf das maximale Ungleichgewicht einer anderen hat. CEM begrenzt auch streng durch Ex-ante-Benutzerwahl sowohl den Grad der Modellabhängigkeit als auch den durchschnittlichen Schätzfehler des Behandlungseffekts, beseitigt die Notwendigkeit eines separaten Verfahrens zur Beschränkung der Daten auf gemeinsame empirische Unterstützung, erfüllt das Kongruenzprinzip, ist robust gegenüber Messfehlern, funktioniert gut mit mehreren Imputationsmethoden für fehlende Daten, kann vollständig automatisiert werden und ist selbst bei sehr großen Datensätzen extrem schnell rechnerisch. Nach der Vorverarbeitung der Daten mit CEM kann der Analyst dann eine einfache Differenz der Mittelwerte oder ein beliebiges statistisches Modell verwenden, das er ohne Übereinstimmung angewendet hätte. CEM eignet sich auch gut für Mehrkategoriebehandlungen, die Bestimmung von Blöcken in experimentellen Designs und die Bewertung extremer Kontrafaktoren.

CEM wurde von der US-amerikanischen Food and Drug Administration offiziell als “Qualifiziert für wissenschaftliche Zwecke” eingestuft.

• Bitte senden Sie alle Fragen, Fehler und Feature-Anfragen an unsere Mailingliste (Sie müssen abonnieren, um zu senden): Abonnieren oder Durchsuchen / Durchsuchen von Archiven
• CEM-Paket für R:

  • Zu installieren, von R:
    Bibliothek (devtools); (installieren.pakete(“devtools”) (falls erforderlich)
    install_github(“https://github.com/IQSS/cem.git”)

  • Für die Dokumentation, von R, Typbibliothek (cem), und dann?cem (oder die veröffentlichte Version des Journal of Statistical Software)
  • Github Repository: https://github.com/IQSS/cem
• CEM in MatchIt für R: Die meisten Funktionen von CEM sind auch über das R-Paket MatchIt: Nonparametric Preprocessing for Parametric Causal Inference verfügbar.
• CEM für SAS, von Stefano Verzillo, Paolo Berta und Matteo Bossi
  Laden Sie das SAS CEM Makro herunter (Version: 2/2017, Fragen: [email protected] )
  Siehe auch JSCS-Artikel: “%CEM: A SAS macro to perform coarsened exact matching”
• CEM für Stata (Version 10 oder höher):
  • Geben Sie zur Installation Folgendes ein:
    net from https://www.mattblackwell.org/files/stata
    net install cem
  • Sie können auch vom SSC installieren:
    ssc install cem
  • Geben Sie für die Dokumentation “help cem” ein oder laden Sie PDF herunter (oder die im Stata Journal veröffentlichte Version: PDF).

• CEM für SPSS: Webseite

• CEM für SQL (arbeitet mit Milliarden von Beobachtungen): ZaliQL