Соответствие 3: 1 с MatchIt в R. Число сопоставленных элементов управления не равно 3-кратному числу случаев

Question

Здравствуйте, я использую пакет MatchIt в R

У меня всего 116 непроверенных обработанных случаев и 462 непроверенных необработанных случая

с командой

mod_match_logit = matchit(f.build("treatement_yes_or_no", covariates), 
method = "nearest", distance = "logit", data = df, caliper = 0.05, ratio = 3)

Затем я получаю результат 91 подобранных обработанных случаев с 248 сопоставленными не обработанными случаями.Что я не понимаю, так это то, что при сопоставлении 3: 1 у меня должно быть 91 * 3 = 273 сопоставленных необработанных случая (а не 248).По умолчанию команда replace установлена ​​на F в MatchIt, поэтому она не объясняет для меня разницу.Чего мне не хватает?

Answer 1

Не видя данных, я только догадываюсь, но это скорее всего из-за настроек суппорта.

MatchIt определяет измеритель как «число стандартных отклонений меры расстояния, в пределах которой можно нарисовать контрольные единицы (по умолчанию = 0, нет совпадения с измерителем») (стр. 26)

Поэтому мойПредположим, у вас есть несколько единиц в группе лечения с высокими показателями склонности, которые не могут быть сопоставлены с показателями в группе, не получавшей лечения (по крайней мере, в пределах 0,05 стандартных отклонений, как вы указали).Причина, по которой вы не получаете 273 объекта в своем наборе соответствующих данных, заключается в том, что в вашем вызове MatchIt установлено значение caliper = 0,05.Некоторые из подвергнутых лечению субъектов с более высокими показателями склонности, которые все еще сопоставляются по меньшей мере с одним необработанным, не могут быть сопоставлены с точностью до секунды или трети, поскольку они выходят за рамки 0,05 калибра.Возможно, увеличение штангенциркуля сохранит больше обработанных предметов, но я бы не стал превышать 0,25, основываясь на передовых методах, документированных в литературе.

В зависимости от плана исследования вы могли бы рассмотреть возможность использования других подходящих методов.Например, вы можете использовать расстояния, отличные от евклидовых, такие как махаланобис, который является опцией в MatchIt.В качестве альтернативы, вы также можете использовать либо оптимальное полное совпадение, либо оптимальное совпадение пар из библиотеки 'optmatch', хотя вы также можете вызывать их через функцию MatchIt.Есть много других подходов, но они легко доступны из библиотеки MatchIt.В литературе предлагается попробовать несколько разных методов, а затем проверить баланс, если вы не выберете тот, который дает вам наибольший эффект.Другими словами, выберите подходящий вам набор, основываясь на ковариатном балансе, а не на переменной результата в вашем исследовании.Определенно в искусстве сопоставления баллов склонности есть что-то, но я думаю, что это так интересно!