Функция MatchIT возвращает равную непрерывную переменную, но неравную категориальную переменную

Question

Я использовал функцию MatchIt, чтобы получить соотношение обработанных данных: необработанный набор данных 1: 4, пытаясь достичь аналогичного среднего возраста и частоты.

У меня есть небольшая обработанная группа (n = 44) и многобольшая контрольная группа (n = 980).Чтобы уменьшить количество контрольной группы и исключить возраст и пол в качестве вызывающих факторов, я попытался использовать функцию MatchIt, чтобы создать контрольную группу из 176 со средним возрастным и гендерным балансом, подобным группе лечения.

m.out <- matchit(Treated ~ AGE + SEX, data = d, 
                 method = "optimal",
                 ratio = 4)

Сводка результатов такова:

Summary of balance for matched data:
         Means Treated Means Control SD Control Mean Diff eQQ Med
distance        0.0602        0.0603     0.0250   -0.0001       0
AGE            57.5227       58.4034     7.9385   -0.8807       1
SEXF            0.4318        0.1477     0.3558    0.2841       0
SEXM            0.5682        0.8523     0.3558   -0.2841       0

Переменная Возраст работала отлично - она ​​не сильно отличается, но пол казался не таким (85% мужчин в контроле против 57% в лечении), поэтому я выполнилкритерий хи-квадрат на обработанных данных.Он показал очень значительную разницу в полу:

chisq <- with(m.data, chisq.test(SEX, Treated))

data:  SEX and Treated
X-squared = 15.758, df = 1, p-value = 7.199e-05

Как я могу объяснить разницу здесь?У меня проблема с функцией MatchIT (неправильный метод?) Или она сработала, но я применил хи-квадрат к неправильной проблеме?

Answer 1

Существует много причин, по которым сопоставление баллов склонности в данном случае не сработало.В общем, не гарантируется баланс ковариат в небольших выборках;теоретические свойства показателя склонности применяются в больших выборках и с правильным показателем склонности (а ваш почти наверняка не верен).

Некоторые более конкретные причины могут заключаться в том, что при сопоставлении 4: 1 очень много контрольных единиц, которые находятся далеко от обработанных единиц, сопоставляются с твоими обработанными единицами.Вы можете увидеть, исправляет ли это меньшее количество блоков управления, изменив соотношение.Может случиться так, что оптимальное сопоставление не является подходящим методом сопоставления.Оптимальное сопоставление находит оптимальные пары на основе показателя склонности, но вы хотите балансировать по ковариатам, а не показателю склонности.Вы можете попробовать генетическое сопоставление (т. Е. Использовать method = "genetic"), хотя это, вероятно, также не удастся (это похоже на использование молотка на пальце).

Одна рекомендация - использовать пакет designmatchвыполнить сопоставление количества элементов, что позволяет наложить ограничения баланса и выполнить сопоставление, не оценивая показатель склонности.Тем не менее, при наличии только двух ковариат, точное совпадение по полу и совпадение ближайших соседей по возрасту должно быть достаточно хорошим.Установите exact = d$gender и distance = d$age в matchit() и посмотрите, будет ли это работать лучше.Вам не нужен показатель склонности для этой проблемы.

Наконец, не используйте тесты гипотез для оценки баланса.Вывод баланса достаточно.Не переставайте пытаться найти хорошие совпадения, пока ваш баланс не улучшится.См. Ho, Imai, King & Stuart (2007) для получения дополнительной информации по этому вопросу.Они также являются авторами MatchIt.

---

Ho, DE, Imai, K., King, G. & Stuart, EA (2007).Сопоставление как непараметрическая предварительная обработка для уменьшения зависимости модели в параметрическом причинном выводе.Политический анализ, 15 (3), 199–236.https://doi.org/10.1093/pan/mpl013