更改

|description='通过在观察研究或准实验研究中比较已处理和未处理的单元，以评估处理的效果

|description='通过在观察研究或准实验研究中比较已处理和未处理的单元，以评估处理的效果

}}

}}

作为一种统计技术，'''匹配 Matching'''通过在'''<font color="#ff8000">观察研究 Observational Study</font>'''或'''<font color="#ff8000">准实验研究 Quasi-experiment</font>'''（即'''<font color="#ff8000"> 处理 Treatment </font>'''是非随机分配的）中比较已处理和未处理的单元，以评估处理的效果。匹配的目标是，对于每个处理单元，找到一个(或多个)具有相似可观察特征的未处理单元，以评估处理效果。通过处理单元与相似未处理单元的匹配，匹配技术可以比较处理单元与未处理单元的不同结果，从而评估处理效应，减少混杂效应带来的偏差。<ref>{{cite journal | doi=10.2307/2529684 | last=Rubin | first=Donald B. | title=Matching to Remove Bias in Observational Studies | journal=Biometrics | volume=29 | issue=1 | year=1973 | pages=159–183 | jstor=2529684}}</ref><ref>{{cite journal | title=On Stratification, Grouping and Matching | last=Anderson | first=Dallas W. |author2=Kish, Leslie |author3=Cornell, Richard G.  | journal=Scandinavian Journal of Statistics | volume=7 | issue=2 | year=1980 | pages=61–66 | jstor=4615774}}</ref><ref>{{cite journal | doi=10.2307/2530417 | title=Matching in Epidemiologic Studies: Validity and Efficiency Considerations | last=Kupper | first=Lawrence L. |author2=Karon, John M. |author3=Kleinbaum, David G. |author4=Morgenstern, Hal |author5= Lewis, Donald K.  | journal=Biometrics | volume=37 | issue=2 | year=1981 | pages=271–291 | jstor=2530417 | pmid=7272415| citeseerx=10.1.1.154.1197 }}</ref>'''<font color="#ff8000"> 倾向值匹配 Propensity Score Matching</font>'''，一种早期的匹配技术，是作为'''<font color="#ff8000"> 鲁宾因果模型 Rubin Causal Model</font>'''<ref name="Rosenbaum Rubin">{{cite journal |last1=Rosenbaum |first1=Paul R. |last2=Rubin |first2=Donald B. |title=The Central Role of the Propensity Score in Observational Studies for Causal Effects |journal=Biometrika |year=1983 |volume=70 |issue=1 |pages=41–55 |doi=10.1093/biomet/70.1.41 |doi-access=free }}</ref>的一部分发展起来的，但已被证明会增加模型依赖性、偏差、无效性和'''<font color="#32cd32"> 计算量 power </font>'''，与其他匹配方法相比不再推荐使用。<ref>{{Cite journal|last1=King|first1=Gary|last2=Nielsen|first2=Richard|date=October 2019|title=Why Propensity Scores Should Not Be Used for Matching|url=https://www.cambridge.org/core/product/identifier/S1047198719000111/type/journal_article|journal=Political Analysis|language=en|volume=27|issue=4|pages=435–454|doi=10.1017/pan.2019.11|issn=1047-1987|doi-access=free}}</ref>

作为一种统计技术，'''匹配 Matching'''通过在'''<font color="#ff8000">观察研究 Observational Study</font>'''或'''<font color="#ff8000">准实验研究 Quasi-experiment</font>'''（即'''<font color="#ff8000"> 处理 Treatment </font>'''是非随机分配的）中比较已处理和未处理的单元，以评估处理的效果。匹配的目标是，对于每个处理单元，找到一个(或多个)具有相似可观察特征的未处理单元，以评估处理效果。通过处理单元与相似未处理单元的匹配，匹配技术可以比较处理单元与未处理单元的不同结果，从而评估处理效应，减少混杂效应带来的偏差。<ref>{{cite journal | doi=10.2307/2529684 | last=Rubin | first=Donald B. | title=Matching to Remove Bias in Observational Studies | journal=Biometrics | volume=29 | issue=1 | year=1973 | pages=159–183 | jstor=2529684}}</ref><ref>{{cite journal | title=On Stratification, Grouping and Matching | last=Anderson | first=Dallas W. |author2=Kish, Leslie |author3=Cornell, Richard G.  | journal=Scandinavian Journal of Statistics | volume=7 | issue=2 | year=1980 | pages=61–66 | jstor=4615774}}</ref><ref>{{cite journal | doi=10.2307/2530417 | title=Matching in Epidemiologic Studies: Validity and Efficiency Considerations | last=Kupper | first=Lawrence L. |author2=Karon, John M. |author3=Kleinbaum, David G. |author4=Morgenstern, Hal |author5= Lewis, Donald K.  | journal=Biometrics | volume=37 | issue=2 | year=1981 | pages=271–291 | jstor=2530417 | pmid=7272415| citeseerx=10.1.1.154.1197 }}</ref>'''<font color="#ff8000"> 倾向值匹配 Propensity Score Matching</font>'''，一种早期的匹配技术，是作为'''<font color="#ff8000">鲁宾因果模型 Rubin Causal Model</font>'''<ref name="Rosenbaum Rubin">{{cite journal |last1=Rosenbaum |first1=Paul R. |last2=Rubin |first2=Donald B. |title=The Central Role of the Propensity Score in Observational Studies for Causal Effects |journal=Biometrika |year=1983 |volume=70 |issue=1 |pages=41–55 |doi=10.1093/biomet/70.1.41 |doi-access=free }}</ref>的一部分发展起来的，但已被证明会增加模型依赖性、偏差、无效性和'''<font color="#32cd32"> 计算量 power </font>'''，与其他匹配方法相比不再推荐使用。<ref>{{Cite journal|last1=King|first1=Gary|last2=Nielsen|first2=Richard|date=October 2019|title=Why Propensity Scores Should Not Be Used for Matching|url=https://www.cambridge.org/core/product/identifier/S1047198719000111/type/journal_article|journal=Political Analysis|language=en|volume=27|issue=4|pages=435–454|doi=10.1017/pan.2019.11|issn=1047-1987|doi-access=free}}</ref>

匹配由'''<font color="#ff8000"> 唐纳德•鲁宾 Donald Rubin </font>'''<ref name="Rosenbaum Rubin" />推动，在经济学中主要受到'''<font color="#ff8000"> 拉隆德 LaLonde</font>'''（1986）<ref>{{cite journal | last = LaLonde | first = Robert J. | title = Evaluating the Econometric Evaluations of Training Programs with Experimental Data | journal = American Economic Review | volume = 76 | issue = 4 |year = 1986 | pages = 604–620 | jstor=1806062 }}</ref>的批评。LaLonde比较了一个实验中的处理效果估计和运用匹配方法产生的可比估计，表明匹配方法是有偏的。'''<font color="#ff8000"> 德赫加和瓦巴 Dehejia and Wahba </font>'''(1999)重新评估了LaLonde的批评，并指出匹配是一个很好的解决方案。<ref>{{cite journal | title = Causal Effects in Nonexperimental Studies: Reevaluating the Evaluation of Training Programs |first1 = R. H. |last1=Dehejia |first2 = S. |last2=Wahba |journal=Journal of the American Statistical Association |year=1999 |volume=94 |issue=448 |pages=1053–1062 |doi=10.1080/01621459.1999.10473858 |url = http://www.nber.org/papers/w6586.pdf }}</ref>政治学<ref>{{cite journal |last1=Arceneaux |first1=Kevin |first2=Alan S. |last2=Gerber |first3=Donald P. |last3=Green |year=2006 |title=Comparing Experimental and Matching Methods Using a Large-Scale Field Experiment on Voter Mobilization |journal=Political Analysis |volume=14 |issue=1 |pages=37–62 |doi=10.1093/pan/mpj001 }}</ref>和社会学期刊<ref>{{cite journal |last1=Arceneaux |first1=Kevin |first2=Alan S. |last2=Gerber |first3=Donald P. |last3=Green |year=2010 |title=A Cautionary Note on the Use of Matching to Estimate Causal Effects: An Empirical Example Comparing Matching Estimates to an Experimental Benchmark |journal=Sociological Methods & Research |volume=39 |issue=2 |pages=256–282 |doi=10.1177/0049124110378098}}</ref>上也提出了类似的批评。

匹配由'''<font color="#ff8000"> 唐纳德•鲁宾 Donald Rubin </font>'''<ref name="Rosenbaum Rubin" />推动，在经济学中主要受到LaLonde<ref>{{cite journal | last = LaLonde | first = Robert J. | title = Evaluating the Econometric Evaluations of Training Programs with Experimental Data | journal = American Economic Review | volume = 76 | issue = 4 |year = 1986 | pages = 604–620 | jstor=1806062 }}</ref>的批评。LaLonde比较了一个实验中的处理效果估计和运用匹配方法产生的可比估计，表明匹配方法是有偏的。Dehejia和Wahba重新评估了LaLonde的批评，并指出匹配是一个很好的解决方案。<ref>{{cite journal | title = Causal Effects in Nonexperimental Studies: Reevaluating the Evaluation of Training Programs |first1 = R. H. |last1=Dehejia |first2 = S. |last2=Wahba |journal=Journal of the American Statistical Association |year=1999 |volume=94 |issue=448 |pages=1053–1062 |doi=10.1080/01621459.1999.10473858 |url = http://www.nber.org/papers/w6586.pdf }}</ref>政治学<ref>{{cite journal |last1=Arceneaux |first1=Kevin |first2=Alan S. |last2=Gerber |first3=Donald P. |last3=Green |year=2006 |title=Comparing Experimental and Matching Methods Using a Large-Scale Field Experiment on Voter Mobilization |journal=Political Analysis |volume=14 |issue=1 |pages=37–62 |doi=10.1093/pan/mpj001 }}</ref>和社会学期刊<ref>{{cite journal |last1=Arceneaux |first1=Kevin |first2=Alan S. |last2=Gerber |first3=Donald P. |last3=Green |year=2010 |title=A Cautionary Note on the Use of Matching to Estimate Causal Effects: An Empirical Example Comparing Matching Estimates to an Experimental Benchmark |journal=Sociological Methods & Research |volume=39 |issue=2 |pages=256–282 |doi=10.1177/0049124110378098}}</ref>上也提出了类似的批评。

== 分析 ==

== 分析 ==

当感兴趣的结果是二元变量时，分析匹配数据最常用的工具是条件Logistic回归模型，因为它可以处理'''<font color="#32cd32"> 任意大小的层次和连续或二元处理变量(自变量) strata of arbitrary size and continuous or binary treatments (predictors)</font>''' ，并且可以控制协变量。在特定情况下，可以使用'''<font color="#32cd32"> 配对差异检验 paired difference test</font>'''、 McNemar 检验和 Cochran-Mantel-Haenzel 检验等更简单的检验。

当感兴趣的结果是二元变量时，分析匹配数据最常用的工具是条件Logistic回归模型，因为它可以处理'''<font color="#32cd32"> 任意大小的层次和连续或二元处理变量（自变量）strata of arbitrary size and continuous or binary treatments (predictors)</font>''' ，并且可以控制协变量。在特定情况下，可以使用'''<font color="#32cd32"> 配对差异检验 paired difference test</font>'''、 McNemar 检验和 Cochran-Mantel-Haenzel 检验等更简单的检验。

当感兴趣的结果是连续的，对'''<font color="#ff8000">平均处理效 Average Treatment Effect </font>'''应进行估计。

当感兴趣的结果是连续的，对'''<font color="#ff8000">平均处理效应 Average Treatment Effect </font>'''进行估计。

== 过匹配 ==

== 过匹配 ==

过匹配是对表面是中介变量、实际上是暴露的结果进行匹配。如果中介变量本身是分层的，则很可能引致一种暴露与疾病的令人费解的关系。<ref name=marsh/> 过匹配因此导致统计偏误。<ref name=marsh>{{cite journal |title=Removal of radiation dose response effects: an example of over-matching |last1=Marsh |first1=J. L. |last2=Hutton |first2=J. L. |last3=Binks |first3=K. |year=2002 |journal=British Medical Journal |volume=325 |issue=7359 |pages=327–330 |pmid=12169512 |doi=10.1136/bmj.325.7359.327 |pmc=1123834}}</ref>

过匹配是对表面是中介变量、实际上是暴露的结果进行匹配。如果中介变量本身是分层的，则很可能引致一种暴露与疾病的令人费解的关系。<ref name=marsh/>过匹配因此导致统计偏误。<ref name=marsh>{{cite journal |title=Removal of radiation dose response effects: an example of over-matching |last1=Marsh |first1=J. L. |last2=Hutton |first2=J. L. |last3=Binks |first3=K. |year=2002 |journal=British Medical Journal |volume=325 |issue=7359 |pages=327–330 |pmid=12169512 |doi=10.1136/bmj.325.7359.327 |pmc=1123834}}</ref>

== 另见 ==

== 另见 ==

* [[倾向得分匹配]]

* [[倾向得分匹配]]

==参考文献 ==

==参考文献 ==

{{reflist|30em}}

{{reflist|30em}}

==编者推荐==

==编者推荐==