Pada bagian ini kita akan membuat matching model.
model = CausalModel(y, treat, confounders) model.est_via_matching(bias_adj = True) print(model.estimates)
KPI yang tersedia adalah ATE (Average Treatment Effect), ATC (Average Treatment Effect on the Control) dan ATT (Average Treatment Effect on the Treated).
Yang paling penting untuk diperhatikan adalah ATE, dari hasil analisa, disimpulkan anak yang sekolah di katolik lebih buruk dibandingkan mereka sekolah non katolik.
Pada modul selanjutnya kita akan mempelajari robustness check untuk mengetahui apakah model sudah akurat.