GARY KING

Dette programmet er utviklet for å forbedre estimering av årsakseffekter via en ekstremt kraftig metode for matching som er allment anvendelig og svært lett å forstå og bruke (hvis du forstår hvordan du tegner et histogram, vil du forstå denne metoden). Programmet implementerer Coarsened Exact Matching (CEM) algoritmen beskrevet i:

” Årsakssammenheng Uten Balansekontroll: Coarsened Exact Matching” (Politisk Analyse, 2012) og “Multivariate Matching Methods That are Monotonic Ubalance Bounding” (JASA, 2011), “CEM: Coarsened Exact Matching In Stata” (Stata Journal, 2009, Med Matthew Blackwell), “Cem: Programvare for Grov Eksakt Matching.”(Journal Of Statistical Software, 2009), “En Teori Om Statistisk Slutning for Matchende Metoder I Årsaksforskning” (2017). Se Også En Forklaring PÅ CEM Vekter.

Matching Er en ikke-parametrisk metode for forbehandling av data for å kontrollere for noen eller alle de potensielt konfunderende påvirkningene av kontrollvariabler for forbehandling ved å redusere ubalansen mellom de behandlede og kontrollgruppene. Etter forbehandling på denne måten kan enhver analysemetode som ville vært brukt uten matching, brukes til å estimere årsakseffekter, selv om noen metoder vil ha enda bedre egenskaper. CEM er En Monotonisk Ubalansebegrensende (MIB) matchingsmetode – – – som betyr at balansen mellom de behandlede og kontrollgruppene er valgt av brukeren ex ante i stedet for oppdaget gjennom den vanlige arbeidskrevende prosessen med å sjekke etter faktum og gjentatte ganger reestimere, og slik at justering av ubalansen på en variabel ikke har noen effekt på den maksimale ubalansen til noen annen. CEM også strengt grenser gjennom ex ante bruker valg både graden av modellavhengighet og gjennomsnittlig behandlingseffekt estimering feil, eliminerer behovet for en egen prosedyre for å begrense data til felles empirisk støtte, oppfyller kongruens prinsippet, er robust til målefeil, fungerer godt med flere imputering metoder for manglende data, kan være fullstendig automatisert, og er ekstremt rask beregningsmessig selv med svært store datasett. Etter forbehandling av data med CEM, kan analytikeren da bruke en enkel forskjell i midler eller hvilken statistisk modell de ville ha brukt uten matching. CEM fungerer også godt for multikategori behandlinger, bestemme blokker i eksperimentelle design, og evaluere ekstreme motvirkninger.

CEM har offisielt Blitt “Kvalifisert For Vitenskapelig Bruk” AV US Food And Drug Administration.

• vennligst send alle spørsmål, feil og funksjonsforespørsler til vår mailingliste (du må abonnere for å sende): Abonner, Eller Bla/Søk Arkiver
• CEM Pakke For R:

  • for å installere, Fra r:
    bibliotek (devtools); (installer.pakker (“devtools”) først om nødvendig)
    install_github(“https://github.com/IQSS/cem.git”)

  • for dokumentasjon, fra R, skriv bibliotek (cem), og deretter?cem (eller den publiserte Tidsskrift For Statistisk Programvareversjon)
  • Github repository: https://github.com/IQSS/cem
• CEM I MatchIt For R: De Fleste av funksjonene I CEM er også tilgjengelig gjennom R Pakken MatchIt: Nonparametric Preprosessering For Parametrisk Årsakssammenheng.
• CEM FOR SAS, Av Stefano Verzillo, Paolo Berta Og Matteo Bossi
  Last NED SAS Cem Macro (Versjon: 2/2017, Spørsmål: [email protected])
  Se OGSÅ jscs artikkel: “%CEM: EN SAS-makro for å utføre grov eksakt matching”
• CEM For Stata (versjon 10 eller nyere):
  • for å installere, skriv:
    net fra https://www.mattblackwell.org/files/stata
    net install cem
  • du kan også installere FRA SSC:
    ssc install cem
  • for dokumentasjon, skriv “help cem” eller last NED PDF (eller den publiserte versjonen i Stata Journal: PDF).

• CEM FOR SPSS: Nettside

• CEM FOR SQL( fungerer med milliarder observasjoner): ZaliQL