在 MatchIt 包中使用马氏距离和卡尺

Question

首先：这个问题可能是duplicate/already解决了of/inthis Whosebug post.

我想使用 MatchIt 包在我的数据集中使用马氏距离执行完全阻塞匹配。我有两个要用于匹配的观察到的协变量（年龄和性别）。

我知道我可以使用以下参数执行基于 mahalanobis 的匹配：

formula <- as.formula("group ~ sex_boolean + age")
m.out <- matchit(formula=formula,
                 data=data_df,
                 distance='mahalanobis')

site_df_matched <- get_matches(m.out,data=data_df)

但这仅使用最近邻执行基于马哈拉诺比斯的匹配。如果我想更严格怎么办？是否可以将卡尺引入马氏匹配？想法如下：对于少数群体中的每个单元，找到马哈拉诺比斯距离最小 并且位于定义的卡尺 内的多数群体中的一个单元。如果没有来自多数组的单元，则应丢弃来自少数组的相应单元。

结果应该是大小相等的治疗组和对照组，其中包含在各自协变量中接近的成对单位。 'closeness' 应该可以通过设置卡尺的严格程度来控制。更严格的卡尺会导致少数群体丢弃更多单位。

也许我对基于 mahalanobis 的匹配程序也有错误的理解，但是是否可以（并推荐）使用 MatchIt 来做到这一点？

Answer 1

是的，使用 MatchIt 4.0.0 及更高版本很简单。如果您想在马氏距离上进行匹配但包含倾向得分卡尺，则 distance 参数需要对应于倾向得分，并且 mahvars 参数控制执行马氏距离匹配的协变量。例如，要在估计包含其他变量（例如 race 和 educ）的倾向得分之后对 sex 和 age 执行马氏距离匹配，除了这两个，你会运行以下代码：

m.out <- matchit(treat ~ age + sex + race + educ, #variables used in PS
                 data = data_df,                  #dataset
                 distance = "glm",                #method of estimating PS
                 caliper = .25,                   #width of caliper on PS
                 mahvars = ~ age + sex)           #variables used in Mahalanobis distance

如果你想在不涉及倾向得分的情况下执行马氏距离匹配，下面的代码可以实现：

m.out <- matchit(treat ~ age + sex, 
                 data = data_df, 
                 distance = "mahalanobis")

如果出于任何原因（例如卡尺或共同支持度）需要估计倾向得分，则必须使用第一种语法。如果不涉及倾向得分，则第二种语法有效。只要卡尺在其他提供的变量上，您仍然可以使用第二种语法将卡尺放在对上；例如，要放置 age 的 0.25 标准差的卡尺，您可以输入 caliper = c(age = .25)。您可以一次将卡尺放在多个变量上，如果使用第一种语法，则包括倾向得分。

这在最近邻匹配的帮助页面中有详细说明，可以查看here或?method_nearest。

在 MatchIt 包中使用马氏距离和卡尺

Use Mahalonobis distance and caliper in MatchIt package

r

matching

mahalanobis

propensity-score-matching