psm的处理组与对照组1:1匹配和1:n匹配有什么区别？

军少 发表于 2018-5-28 14:16
不是更多更准确，具体匹配后，有平衡性检验，根据检验调试最佳匹配方式

还有请问，在研究是否实行x对y的影响时，进行psm选择的协变量一般既影响x也影响y，而且一般也会将这些变量作为did的控制变量，请问
1.为什么要选择对x,y都有影响的变量，匹配不是只用对x有影响吗？
2.选择这些对xy都有影响的协变量后，对什么要将它们作为控制变量，不应该在psm时内化了吗？

格格衫 发表于 2018-5-28 20:40
谢谢您的回复，请问如果用spass22做psm还能做平衡性检验吗？还是做独立样本t检验？

没用过spss做过，所以不清楚

至于做不做独立T检验，你自己应该考虑做检验的作用和目的是啥，而不是问要不要做

倾向匹配里面，我好想很少看到做这个的

格格衫 发表于 2018-5-29 15:13
还有请问，在研究是否实行x对y的影响时，在psm中使用的协变量既对x产生影响，也对y产生影响，且在did时一 ...

不太明白你的意思

我想PSM中的协变量和你说的DID中的控制变量是一回事吧

至于你的问题，我没懂

军少 发表于 2018-6-3 10:27
不太明白你的意思

我想PSM中的协变量和你说的DID中的控制变量是一回事吧

谢谢您的回复

倾向得分匹配（Propensity Score Matching，PSM）是一种统计方法，主要用于处理观察性研究中的选择偏倚问题。在进行倾向得分匹配时，可以采用不同的匹配比例策略，其中最常见的是1:1匹配和1:n匹配。

**1:1匹配**意味着对于每个处理组的个体，会找到一个对照组中与之具有相似（或相等）倾向得分的个体作为配对对象。这种匹配方式保证了每一对中的个体在其他观察到的协变量上是可比的，从而使得结果更加可靠和有效。1:1匹配的主要优点在于它简化了分析，并且减少了因过宽的匹配范围而引入的偏差。

**1:n匹配**则表示对于每个处理组的个体，可以找到n个对照组中的个体与之配对，这里的n是一个大于或等于2的整数。这种策略提高了统计功效，因为它利用了更多的数据点来提高估计精度，并且在处理组样本量较少的情况下特别有用。但是，1:n匹配也可能引入一些额外的变异性，因为每个处理组的个体被用来与多个对照进行比较。

**选择1:1还是1:n匹配取决于具体的研究设计和目标：**

- 如果研究资源允许并且处理组的样本量相对较大，则使用1:1匹配可能是更合适的选择。它通常能够提供较为保守且精确的结果，避免了过度拟合的问题。
  
- 另一方面，在处理组个体数量有限或对照组中存在大量可用数据的情况下，采用1:n匹配可能更加有利。这种方法通过增加样本大小来提高统计功效，并且在某些情况下可以提供更准确的效应估计。

综上所述，并没有绝对意义上的“更加准确”，选择哪种策略应根据研究的具体情况和目标来决定。在进行倾向得分匹配分析时，考虑到数据的特点、样本量以及研究目的，合理地选择匹配比例是至关重要的。

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