在倾向得分匹配(Propensity Score Matching, PSM)分析中,匹配前的效果估计不显著而匹配后变得显著是一个常见现象。这实际上反映了PSM方法的有效性,即通过减少选择偏差和提高处理组与控制组的可比性来揭示潜在的影响效果。
在你的情况下,unmatched t值表明在进行任何调整之前,处理组与控制组之间在某些协变量上没有统计学意义上的显著差异(t=-1.48<1.96)。然而,在应用PSM后得到的ATT(Average Treatment Effect on the Treated)估计显示出显著性(t=-2.55),这意味着匹配过程成功地减少了偏差,从而更准确地评估了处理效果。
这样的结果是合理的,只要在匹配过程中没有其他严重的模型误定或数据问题。确保你已经检查了PSM的假设,如重叠假设、无混淆假设等,并且进行了适当的匹配算法和平衡性检验以确认匹配质量。
总体而言,如果除了显著性的变化外,你的分析还显示了良好的匹配质量和充分处理潜在偏倚的方法(例如,在匹配样本中观察到的协变量分布接近),那么这样的结果可以被认为是合理的。但是,你仍然需要谨慎解释发现,并考虑进一步的敏感性分析或不同的模型规格来验证结果的稳健性。
最后,建议你在论文、报告或其他学术交流中详细描述你的方法和结果,包括匹配前后的对比分析以及任何可能影响解释的因素。
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