GARY KING

ez a program célja, hogy javítsa a becslését okozati hatások keresztül egy rendkívül hatékony módszer a megfelelő, hogy széles körben alkalmazható és kivételesen könnyen érthető és használható (ha érti, hogyan kell felhívni a hisztogram, meg fogja érteni ezt a módszert). A program végrehajtja a durvított pontos illesztés (CEM) algoritmust, amelyet a következő ír le:

” ok-okozati következtetés Egyensúlyellenőrzés nélkül: Coarsened Exact Matching “(Political Analysis, 2012) és” multicooker Matching Methods That are Monotonic equipment Bounding “(JASA, 2011),” CEM: Coarsened Exact Matching in Stata “(Stata Journal, 2009, with Matthew Blackwell), ” CEM: Software for Coarsened Exact Matching.”(Journal of Statistical Software, 2009), “a statisztikai következtetés elmélete az ok-okozati kutatások megfelelő módszereihez” (2017). Lásd még a CEM súlyok magyarázatát.

az egyezés az adatok előfeldolgozásának nemparaméteres módszere az előkezelés előtti kontrollváltozók néhány vagy összes potenciálisan zavaró hatásának szabályozására a kezelt és a kontrollcsoportok közötti egyensúlyhiány csökkentésével. Az ilyen módon történő előfeldolgozás után bármely olyan elemzési módszer alkalmazható, amelyet illesztés nélkül alkalmaztak volna az okozati hatások becslésére, bár egyes módszereknek még jobb tulajdonságai lesznek. A CEM egy monoton egyensúlyhiány-határoló (MIB) illesztési módszer – – – ami azt jelenti, hogy a kezelt és a kontrollcsoportok közötti egyensúlyt a Felhasználó előzetesen választja ki, nem pedig a szokásos fáradságos ellenőrzési folyamat során fedezi fel a tény után, és ismételten újraértékeli, és így az egyik változó egyensúlyhiányának beállítása nincs hatással a többi maximális egyensúlyhiányára. A CEM szigorúan korlátozza az előzetes felhasználói választást mind a modellfüggőség mértéke, mind az átlagos kezelési hatásbecslési hiba szempontjából, kiküszöböli a külön eljárás szükségességét az adatok közös empirikus támogatásra való korlátozására, megfelel a kongruencia elvének, robusztus a mérési hibához, jól működik a hiányzó adatok többszörös imputálási módszereivel, teljesen automatizálható, és rendkívül gyors számítási szempontból még nagyon nagy adatkészletek esetén is. Az adatok CEM-vel történő előfeldolgozása után az elemző ezután egyszerű különbséget használhat az eszközökben vagy bármilyen statisztikai modellben, amelyet illesztés nélkül alkalmaztak volna. A CEM jól működik a többkategóriás kezeléseknél is, blokkokat határoz meg a kísérleti tervekben, és értékeli a szélsőséges kontrafaktuálisokat.

CEM hivatalosan “minősített Tudományos felhasználásra” az Egyesült Államok Élelmiszer-és Gyógyszerügyi Hivatala.

• kérjük, küldjön minden kérdést, hibát és szolgáltatáskérést a levelezőlistánkra (fel kell iratkoznia a küldésre): Feliratkozás, vagy böngészés/keresés archívumok
• CEM csomag R:

  • telepíteni, r:
    könyvtár(devtools); (telepítés.csomagok (“devtools”) először, ha szükséges)
    install_github(“https://github.com/IQSS/cem.git”)

  • a Dokumentációhoz az R-ből írja be a könyvtárat (cem), majd ?cem (vagy a közzétett Journal of Statistical Software version)
  • Github repository: https://github.com/IQSS/cem
• CEM a MatchIt for R-ben: a CEM legtöbb funkciója a MatchIt R csomagon keresztül is elérhető: Nemparametrikus előfeldolgozás paraméteres oksági következtetéshez.
• CEM a SAS számára, írta Stefano Verzillo, Paolo Berta és Matteo Bossi
  töltse le a SAS CEM makrót (Verzió: 2/2017, kérdések: [email protected])
  Lásd még a JSCS cikket: “%CEM: SAS makró durva pontos illesztés végrehajtásához”
• CEM Stata esetén (10-es vagy újabb verzió):
  • a telepítéshez írja be:
    net innen: https://www.mattblackwell.org/files/stata
    net install cem
  • telepíthet az SSC-ből is:
    ssc install cem
  • dokumentációhoz írja be a “help cem” parancsot, vagy töltse le a PDF-et (vagy a Stata folyóiratban közzétett verziót: PDF).

• CEM az SPSS számára: weboldal

• CEM az SQL – hez (több milliárd megfigyeléssel működik): ZaliQL