PSM之后核密度函数图没有区别

在倾向值匹配之后，画出匹配前后实验组和干预组的核密度函数图，但是并没有任何差别（命令应该没问题），从核密度函数图上来看，应该是不平衡的，但是根据平衡性检验（使用的命令：pstest $cova, scatter both）得到的t检验结果是平衡的，Kolmogorov-Smirnov 检验法结果也是说明平衡。

问题：为什么会出现匹配前后核密度图完全没有差别的情况？是否可能是因为共变量选择存在问题？

应该还是命令的问题，可以贴出code

有可能你选择的协变量在控制组和处理组本身就差别不大

更新：
第一张图只是t检验的结果，并不包括Kolmogorov-Smirnov的检验结果，而t检验的结果只是针对干预组和控制组的均值进行的比较，因此从t检验的结果来看，很容易平衡。
但是事实上，在匹配前的是不平衡的，在匹配之后还是不平衡的，并且两张图没有差别，说明我的共变量的选择可能有问题，或许是遗漏了一些重要变量，至少目前的共变量并不能使得我的干预组和控制组做到平衡。
问题还没有解决。

会计学硕士 发表于 2021-5-13 20:19
有可能你选择的协变量在控制组和处理组本身就差别不大

谢谢，我再思考思考

会计学硕士 发表于 2021-5-13 20:19
有可能你选择的协变量在控制组和处理组本身就差别不大

谢谢，我再思考思考

会计学硕士 发表于 2021-5-13 20:19
有可能你选择的协变量在控制组和处理组本身就差别不大

谢谢，我再思考思考

我也出现了类似问题，请问题主最后怎么解决了？

在倾向得分匹配（Propensity Score Matching, PSM）后，观察到的实验组和控制组之间的核密度函数未发生变化，确实可能会让人感到困惑，尤其当平衡性检验却显示良好的平衡时。这种情况可能是由几个原因导致的：

1. **共变量的选择**：如果选择的共变量并没有在两组间造成显著差异，那么匹配前后可能观察不到明显的核密度变化。理想情况下，你应该包括所有与处理状态和结果相关的潜在混杂因素。

2. **样本大小与数据分布**：如果样本量足够大，并且数据点在空间中均匀分布，匹配后的样本可能会非常接近原来的分布形状，导致肉眼难以察觉的差异。

3. **匹配算法选择**：不同的匹配方法（如最近邻匹配、卡尺匹配等）可能对最终的核密度图有不同影响。某些匹配策略可能导致更紧密的匹配，从而使得变化不那么明显。

4. **匹配过程中的“重采样”效应**：PSM通常会通过丢弃一些样本或复制某些样本来进行匹配，但这并不意味着整个样本集的分布特性会发生巨大改变。

5. **核密度估计参数**：使用的带宽或其他参数设置可能会影响核密度图的形状。不同的带宽可能会产生看起来相似但实际上是不同分布的结果。

面对这种情况，可以考虑：

- 重新审视共变量选择，确保所有潜在混杂因素都被包括在内。
- 考虑使用其他图形表示方法或统计检验来进一步探索匹配的有效性（如直方图、箱形图等）。
- 对于样本大小较大的情况，尝试随机抽样以观察较小的数据集是否显示明显的分布变化。
- 使用不同的匹配算法或参数设置再次进行PSM。

最终的目标是确保处理组和控制组在所有相关共变量上都达到平衡，这样可以更准确地估计处理效果。即使核密度图的变化不明显，关键还是看平衡性检验的结果以及模型假设的合理性。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用