在精确匹配的同时利用MatchIt对倾向分数百分位数进行匹配
我用MatchIt来进行时变倾向分数匹配。我估计倾向分数并对其进行近邻匹配，并对几个变量进行精确匹配(其中一些用于估计倾向分数，有些则不是)，具体如下：
matches <- matchit(
## Estimate propensity scores and perform nearest neighbour matching on propensity scores
y ~ x1
+ x2
+ x3
+ x4
+ x5
, method = "nearest" # matching method: nearest neighbour matching (on propensity score)
, distance = "glm" # method for estimating the propensity score: 'glm' = logit
# Also perform exact matching on additional variables
, exact = ~ x3
+ x4
+ x6
, data = df
, s.weights = ~ sampling_weights
)平衡在所有变量中都是很好的，但在倾向分数方面却不是那么好。
我认为在倾向分数的百分位数上进行匹配可以解决这个问题。我的理解是，可以通过将“方法”的论点改为：
method = "subclass", subclass = 100
但是，我不认为在对其他变量进行精确匹配的同时使用method = subclass是不可能的。
有人能说是否有可能在倾向分数的百分位数上进行匹配，而在使用MatchIt的其他协变量上进行精确匹配吗？
编辑的清晰度
回答 1
Stack Overflow用户
发布于 2022-09-30 06:38:05
平衡在所有变量中都是很好的，但在倾向分数方面却不是那么好。
平衡并不需要在倾向分数上保持良好。事实上，斯图尔特等人。(2013)发现倾向得分的平衡与偏见完全无关。匹配的目的是在协变量上实现平衡；倾向评分只是达到这一目的的工具。这是Ho等人所描述的倾向评分重言式。(2007)。听起来，如果能达到平衡，你最近的邻居匹配就足够了，不过听起来你的结果可能会通过一种更复杂的匹配方法来改进，比如遗传匹配。记住，许多匹配方法根本不涉及倾向得分。
您也可以尝试完全匹配，这与许多子类的子分类非常相似，并且确实允许精确匹配。
如果你能告诉我你认为有精确匹配约束的子分类应该是什么样子，我可以告诉你如何实现它。但是子分类与其他匹配方法不同，目前还不清楚如何将子分类与子分类相结合。
Ho，D.E.，Imai，K.，King，G.，& Stuart，E. A. (2007)。作为非参数预处理的匹配降低参数因果推理模型依赖的方法。“政治分析”，第15(3)、199-236。https://doi.org/10.1093/pan/mpl013
Stuart，E.A.，Lee，B.K.，& Leacy，F.P. (2013)。在比较效果研究中，基于预后评分的平衡度量可以作为倾向评分方法的有用诊断手段。临床流行病学杂志，66(8)，S84。https://doi.org/10.1016/j.jclinepi.2013.01.013
https://stackoverflow.com/questions/73829365
复制相似问题
腾讯云开发者
