После 2: 1 ближайшего соседа с сопоставлением склонности к замене (используя MatchIt) - как проанализировать непрерывную переменную, которая обычно не распределяется?

Question

Я сопоставил две группы, используя пакет MatchIt, соответствующий ближайшему соседу 2: 1 с заменой. После сопоставления я хочу сравнить разницу в результатах теста (диапазон: 0-100) между двумя группами - однако эти оценки обычно не распределяются. Я не думаю, что могу использовать взвешенный t-критерий (используя веса, созданные соответствующей программой), так как данные не являются нормальными. Что я должен использовать вместо этого, чтобы проанализировать эту непрерывную переменную после сопоставления?

Answer 1

Если у вас большая выборка и группы имеют одинаковые отклонения, не имеет значения, является ли переменная нормально распределенной; р-значение t-критерия будет приблизительным, но очень близким к точному. В противном случае вы можете попробовать использовать надежную стандартную ошибку, чтобы исправить гетероскедастичность; это рекомендуется с весами (включая соответствующие веса) в целом. Вы также можете подумать о том, как создаются оценки. Если вы видите эффекты пола или потолка, возможно, модель с тобитом будет иметь смысл. Если очень трудно получить значения, близкие к 0 или 100, возможно, имеет смысл использовать дробную модель lo git.