GARY KING

Questo programma è progettato per migliorare la stima di effetti causali via estremamente potente metodo di corrispondenza che è ampiamente applicabile ed estremamente facile da capire e utilizzare (se si capisce come disegnare un istogramma, si capisce questo metodo). Il programma implementa l’algoritmo CEM (Coarsened Exact Matching) descritto in:

” Inferenza causale senza controllo del bilanciamento: Coarsened Exact Matching ” (Political Analysis, 2012) e “Metodi di corrispondenza multivariata che sono limiti di squilibrio monotonico” (JASA, 2011), “CEM: Coarsened Exact Matching in Stata” (Stata Journal, 2009, con Matthew Blackwell), “CEM: Software per Coarsened Exact Matching.”(Journal of Statistical Software, 2009),” A Theory of Statistical Inference for Matching Methods in Causal Research ” (2017). Vedi anche Una spiegazione dei pesi CEM.

La corrispondenza è un metodo non parametrico di pre-elaborazione dei dati per controllare per alcuni o tutti l’influenza potenzialmente confondente delle variabili di controllo del pretrattamento riducendo lo squilibrio tra i gruppi trattati e di controllo. Dopo la pre-elaborazione in questo modo, qualsiasi metodo di analisi che sarebbe stato utilizzato senza corrispondenza può essere applicato per stimare gli effetti causali, anche se alcuni metodi avranno proprietà ancora migliori. Il CEM è un metodo di corrispondenza monotonooico di delimitazione dello squilibrio (MIB) – – – il che significa che l’equilibrio tra i gruppi trattati e di controllo viene scelto dall’utente ex ante piuttosto che scoperto attraverso il solito laborioso processo di controllo dopo il fatto e ripetutamente rivalutazione, e in modo che la regolazione dello squilibrio su una variabile non abbia alcun effetto sullo squilibrio massimo CEM inoltre limita rigorosamente attraverso la scelta ex ante dell’utente sia il grado di dipendenza del modello che l’errore medio di stima dell’effetto di trattamento, elimina la necessità di una procedura separata per limitare i dati al supporto empirico comune, soddisfa il principio di congruenza, è robusto all’errore di misura, funziona bene con metodi di imputazione multipli per i dati mancanti, può essere completamente automatizzato ed è estremamente veloce dal punto di vista computazionale anche con insiemi di dati molto grandi. Dopo aver preelaborato i dati con CEM, l’analista può quindi utilizzare una semplice differenza di mezzi o qualsiasi modello statistico che avrebbe applicato senza corrispondere. CEM funziona bene anche per trattamenti multicategoriali, determinando blocchi in progetti sperimentali e valutando controfattuali estreme.

CEM è stato ufficialmente “qualificato per uso scientifico” dalla Food and Drug Administration degli Stati Uniti.

• Si prega di inviare TUTTE le domande, bug e richieste di nuove funzionalità alla nostra mailing List (è necessario iscriversi per inviare): Iscriviti o Sfoglia / Cerca archivi
• Pacchetto CEM per R:

  • Per installare, da R:
    libreria (devtools); (install.pacchetti (“devtools”) prima se necessario)
    install_github(“https://github.com/IQSS/cem.git”)

  • Per la documentazione, da R, digitare library(cem), e poi ?cem (o la versione pubblicata del Software Journal of Statistical)
  • Repository Github: https://github.com/IQSS/cem
• CEM in MatchIt per R: La maggior parte delle funzionalità di CEM sono disponibili anche attraverso il pacchetto R MatchIt: Pre-elaborazione non parametrica per inferenza causale parametrica.
• CEM SAS di Stefano Verzillo, Paolo Berta, e Matteo Bossi
  Scarica il CEM SAS Macro (Versione: 2/2017, Domande: [email protected])
  Vedi anche centri sociali articolo: “%CEM: UNA SAS macro per eseguire grossolano corrispondenza esatta”
• CEM per Stata (versione 10 o successiva):
  • Per l’installazione, tipo:
    rete https://www.mattblackwell.org/files/stata
    net installare cem
  • È possibile installare anche dalla SSC:
    ssc installare cem
  • Per la documentazione, digitare “help cem” o scarica il PDF (o la versione pubblicata in Il Stata Rivista: PDF).

• CEM per SPSS: Sito web

• CEM per SQL (funziona con miliardi di osservazioni): ZaliQL