通过 MatchIt（或其他软件包）减少“处理”样本量以增加样本相似性答案

【问题标题】：Reducing "treatment" sample size through MatchIt (or another package) to increase sample similarity通过 MatchIt（或其他软件包）减少“处理”样本量以增加样本相似性
【发布时间】：2019-11-10 15:01:25
【问题描述】：

我正在尝试使用 MatchIt 在多个协变量上匹配两个样本，但我很难创建足够相似的样本。我的两个样本都很大（对照组约 1000 个，对照组约 5000 个）。

我希望获得与参与者尽可能匹配的匹配样本，并且我可以在对照组中丢失样本量。目前，MatchIt 只返回两组 1000，而我想要两组非常匹配的组，并且可以使用较小的组（例如，500 而不是 1000）。

有没有办法通过 MatchIt 或其他包来做到这一点？我宁愿避免使用随机抽样，然后尽可能匹配，因为我希望组之间尽可能接近匹配。

抱歉没有可重现的示例，我对使用 R 还是很陌生，不知道如何制作这个问题的示例...

下面是我用来匹配这两个组的代码。

data<- na.omit(data)
data$Group<- as.numeric(data$Group)
data$Group<- recode(data$Group, '1 = 1; 2 = 0')

m.out <- matchit(Group ~ Age + YearsEdu + Income + Gender, data = data, ratio = 1)
s.out <- summary(m.out, standardize = TRUE)
plot(s.out)

matched.data <- match.data(m.out)

【问题讨论】：

您可以添加您尝试过的代码吗？它将帮助其他人查看您的问题。
我添加了我的代码，抱歉有点乱

标签： r propensity-score-matching

【解决方案1】：

您应该查看包designmatch，它实现了一种称为基数匹配的匹配形式，可以满足您的需求（即，找到产生所需平衡的最大匹配集）。与MatchIt 不同，designmatch 不使用距离变量；相反，它使用优化来解决匹配问题。您可以准确选择每个协变量的平衡程度，它会尽最大努力解决问题，同时保留尽可能多的匹配项。该方法在Zubizarreta, Paredes, & Rosenbaum (2014) 中进行了描述。

【讨论】：

【解决方案2】：

MatchIt 与其他类似的软件包一样，提供了几个匹配例程，使您能够玩弄设置。查看参数method，默认设置为method = 'nearest'。这意味着除非您指定，否则它将为每个治疗观察结果寻找最佳匹配。在您的情况下，您将始终有 1000 个配对匹配此设置。

您可以选择将其设置为method = 'exact'，它的限制要大得多。在文档中你会发现：

这种技术将每个处理过的单元与所有可能的控制单元在所有协变量上具有完全相同的值，形成子类这样在每个子类中，所有单位（治疗和对照）都具有相同的协变量值。

在 lalonde 数据集上，你可以运行：

m.out <- matchit(treat ~ educ + black + hispan, data = lalonde, method = 'exact')
summary(m.out)

因此，它会丢弃一些无法匹配的治疗观察结果。看看method 的其他可能性，也许你会找到更喜欢的东西。

话虽如此，请注意不要丢弃过多的治疗观察结果。如果这样做，您会使治疗组看起来像对照组（而不是相反），这可能会导致不想要的结果。

【讨论】：