倾向得分匹配使用 Match 命令估计二元结果变量中的 ATT答案

【问题标题】：Propensity Score Matching using Match command to estimate ATT in a binary outcome variable倾向得分匹配使用 Match 命令估计二元结果变量中的 ATT
【发布时间】：2020-02-14 19:01:56
【问题描述】：

我想使用 R 中的 Matching 包和 Match 命令来使用倾向得分匹配来估计二元结果变量或计数结果变量（泊松）的 ATT（治疗对象的平均治疗效果）。看来 Match 命令只允许连续的结果变量。我的连续变量代码是：

glm1 <- glm(Tr~age + educ + black + etc.) 在 logit 或 probit 模型中估计倾向得分。

m1 <- Match(Y=Y, Tr=Tr, X=glm1$fitted, estimand="ATT", M=1, ties=TRUE, replace=TRUE) 估计结果变量 Y 上的治疗暴露的 ATT。

我如何估计 R 中的二进制或计数结果变量？

我的分析更加复杂，因为我想估计差异的差异，而不仅仅是治疗组的后期结果减去对照组的后期结果。所以，我想估计（治疗中的结果（后-前））减去（控制中的结果（后-前））。当结果变量是连续的时，我相信我可以减去处理和控制的平均结果，并将其用作匹配程序的新结果变量 (Y <- cbind(YDIFF))。但是，如果我有一个二元结果变量或计数结果变量，我如何将其合并以在我的倾向得分匹配样本中获得差异中的差异估计值？

【问题讨论】：

标签： r binary match difference propensity-score-matching

【解决方案1】：

对于 1/0 目标变量，一切都一样。只有您不会查看目标变量的平均值，而是查看平均频率（计算方式相同，因为平均结果变为频率）。因此，从编码的角度来看，如果您对二进制结果变量感兴趣，则没有区别。

【讨论】：