匹配 - 版本历史

我是猫：/* 编者推荐 */

2022-07-11T04:49:48Z

编者推荐

PengWu：过匹配那儿不太熟悉，需进一步审阅

2021-06-28T14:28:08Z

过匹配那儿不太熟悉，需进一步审阅

PengWu：需进一步修改

2021-06-28T14:01:18Z

需进一步修改

薄荷：/* 编者推荐 */

2021-06-27T03:29:59Z

编者推荐

薄荷：/* =计量经济学因果分析工具在快手中的应用 */

2021-06-27T03:18:13Z

=计量经济学因果分析工具在快手中的应用

2021年6月27日 (日) 03:03 薄荷

2021-06-27T03:03:31Z

2021年6月27日 (日) 02:06 薄荷

2021-06-27T02:06:10Z

2021年6月27日 (日) 02:03 薄荷

2021-06-27T02:03:25Z

2021年6月27日 (日) 01:59 薄荷

2021-06-27T01:59:05Z

显示更改

Frombtotop：/* Overmatching */

2021-05-28T09:38:11Z

Overmatching

@@ 第40行： / 第40行： @@
 ==编者推荐==
-===集智课程===
+===集智俱乐部文章===
-====[https://campus.swarma.org/course/1858 计量经济学因果分析工具在快手中的应用]====
-在产品迭代和公司决策中，我们常常关心A如何影响B，在不方便使用A/B实验的场景下，我们可以用因果分析的方法，结合观测数据来回答这个问题。主讲人会介绍在快手常用的因果分析计量经济学方法（包括工具变量法、匹配法、双重差分法、合成控制法等），因果分析和机器学习结合的前沿方法（矩阵补全法、基于决策树/随机森林的异质性的因果效应估计等），以及这些方法如何与业务实践相结合。
+* [https://swarma.org/?p=33211 缺失数据和因果推断中的双稳健方法介绍 | 周日直播·因果科学读书会 | 集智俱乐部]
-<br>
+非混淆性假设是在观察性研究中估计平均因果作用的常用假设。本次报告将从倾向得分的均衡性质出发，介绍如何根据倾向得分对样本分层，进而探讨逆概率加权估计、子分类估计以及匹配三种典型的因果作用估计方法。
 ----
 本中文词条由[[用户: Frombtotop|Frombtotop]]翻译，[[用户:薄荷|薄荷]]编辑，欢迎在讨论页面留言。

@@ 第3行： / 第3行： @@
 |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
 }}
-'''匹配(Matching)是'''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，通过比较已接受处理和未接受处理的个体(unit)，以评估处理效应的一种统计技术。匹配的目标是，对每个处理组的个体，找到一个(或多个)具有相似可观察特征的控制组(即未接受处理组)的个体，以评估处理效应。通过将处理组个体与相似的控制组个体进行匹配，匹配后的处理组个体与控制组个体的结果可直接比较，从而可以减少混杂效应带来的偏差，评估处理效应。<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"> 倾向性得分匹配(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>''')'''<font color="#ff8000"><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></font>'''的一部分发展起来的。它已被证明会增加模型依赖性、偏差、降低估计的效率和检验的功效('''<font color="#32cd32">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(Matching)是'''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，通过比较已接受处理和未接受处理的个体(unit)，以评估处理效应的一种统计技术。匹配的目标是，对每个处理组的个体，找到一个(或多个)具有相似可观察特征的控制组(即未接受处理组)的个体，以评估处理效应。匹配方法通过将处理组个体与相似的控制组个体进行匹配，可以减少混杂因素带来的偏差，使得处理组与控制组的结果(outcome)可直接比较，从而估计出处理效应。<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"> 倾向性得分匹配(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>''')'''<font color="#ff8000"><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></font>'''的一部分发展起来的，但已被证明会增加模型依赖性和偏差、降低估计效率和检验功效(power)，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在一个实验中比较了处理效应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 ==
-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，分析匹配后的数据的最常用工具是条件Logistic回归模型，因为它可以处理'''<font color="#32cd32">任意多个层，连续或二元处理变量（或自变量）</font>'''，并且可以控制协变量。在特定情况下，一些常用的检验方法可直接使用，如：'''<font color="#32cd32">配对差异检验(paired difference test)</font>'''、 McNemar 检验和 Cochran-Mantel-Haenzel 检验等。
+匹配也可用于在进行其他技术分析（例如回归分析）之前“预处理”样本。<ref>{{cite journal |last1=Ho |first1=Daniel E. |first2=Kosuke |last2=Imai |first3=Gary |last3=King |first4=Elizabeth A. |last4=Stuart |year=2007 |title=Matching as Nonparametric Preprocessing for Reducing Model Dependence in Parametric Causal Inference |journal=Political Analysis |volume=15 |issue=3 |pages=199–236 |doi=10.1093/pan/mpl013 |doi-access=free }}</ref>
 == 过匹配 ==

@@ 第3行： / 第3行： @@
 |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>
+'''匹配(Matching)是'''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，通过比较已接受处理和未接受处理的个体(unit)，以评估处理效应的一种统计技术。匹配的目标是，对每个处理组的个体，找到一个(或多个)具有相似可观察特征的控制组(即未接受处理组)的个体，以评估处理效应。通过将处理组个体与相似的控制组个体进行匹配，匹配后的处理组个体与控制组个体的结果可直接比较，从而可以减少混杂效应带来的偏差，评估处理效应。<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"> 倾向性得分匹配(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>''')'''<font color="#ff8000"><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></font>'''的一部分发展起来的。它已被证明会增加模型依赖性、偏差、降低估计的效率和检验的功效('''<font color="#32cd32">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。
+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。
 匹配也可用于在通过其他技术分析之前（例如回归分析）“预处理”样本。<ref>{{cite journal |last1=Ho |first1=Daniel E. |first2=Kosuke |last2=Imai |first3=Gary |last3=King |first4=Elizabeth A. |last4=Stuart |year=2007 |title=Matching as Nonparametric Preprocessing for Reducing Model Dependence in Parametric Causal Inference |journal=Political Analysis |volume=15 |issue=3 |pages=199–236 |doi=10.1093/pan/mpl013 |doi-access=free }}</ref>
 == 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>
 例如，在估计体外受精（IVF）后的围产期死亡率和出生体重时，按妊娠期和/或多胎数来匹配对照组就是过度匹配，因为IVF本身会增加早产和多胎的风险。<ref>{{cite journal |title=The danger of overmatching in studies of the perinatal mortality and birthweight of infants born after assisted conception |last1=Gissler |first1=M. |last2=Hemminki |first2=E. |journal=Eur J Obstet Gynecol Reprod Biol |year=1996 |volume=69 |issue=2 |pages=73–75 |pmid=8902436 |doi=10.1016/0301-2115(95)02517-0}}</ref>

@@ 第49行： / 第49行： @@
 <br>
 ===集智文章===
 *[https://swarma.org/?p=25679 Physics Reports最新综述：解决物理、生物、经济中的稳定匹配]

@@ 第45行： / 第45行： @@
 ==编者推荐==
 ===集智课程===
-=====[https://campus.swarma.org/course/1858 计量经济学因果分析工具在快手中的应用]====
+====[https://campus.swarma.org/course/1858 计量经济学因果分析工具在快手中的应用]====
 在产品迭代和公司决策中，我们常常关心A如何影响B，在不方便使用A/B实验的场景下，我们可以用因果分析的方法，结合观测数据来回答这个问题。主讲人会介绍在快手常用的因果分析计量经济学方法（包括工具变量法、匹配法、双重差分法、合成控制法等），因果分析和机器学习结合的前沿方法（矩阵补全法、基于决策树/随机森林的异质性的因果效应估计等），以及这些方法如何与业务实践相结合。
 =====[]====

@@ 第3行： / 第3行： @@
 |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 ==
-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。
@@ 第21行： / 第21行： @@
 == 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>
@@ 第32行： / 第32行： @@
 == 另见 ==
 * [[倾向得分匹配]]
 ==参考文献 ==
 {{reflist|30em}}
@@ 第47行： / 第44行： @@
 ==编者推荐==

@@ 第3行： / 第3行： @@
 |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，'''<font color="#ff8000"> 匹配 Matching</font>'''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>
@@ 第14行： / 第14行： @@
-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 Average Treatment Effect </font>'''应进行估计。
@@ 第44行： / 第44行： @@
 *{{cite book |last1=Angrist |first1=Joshua D. |last2=Pischke |first2=Jörn-Steffen |chapter=Regression Meets Matching |title=Mostly Harmless Econometrics: An Empiricist's Companion |publisher=Princeton University Press |year=2009 |isbn=978-0-691-12034-8 |pages=69–80 }}
 ----
-本中文词条由[[用户: Sikongpop|Sikongpop]]用户参与编译，[[用户:LFZ|LFZ]]参与审校，[[用户:薄荷|薄荷]]编辑，欢迎在讨论页面留言。
+本中文词条由[[用户: Frombtotop|Frombtotop]]翻译，[[用户:薄荷|薄荷]]编辑，欢迎在讨论页面留言。

←上一版本		2021年6月27日 (日) 02:03的版本
第6行：		第6行：


−	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 ~~\|s2cid=37012563~~ }}</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'''<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。

←上一版本		2021年5月28日 (五) 09:38的版本
第65行：		第65行：
	Overmatching is matching for an apparent mediator that actually is a result of the exposure. If the mediator itself is stratified, an obscured relation of the exposure to the disease would highly be likely to be induced.		Overmatching is matching for an apparent mediator that actually is a result of the exposure. If the mediator itself is stratified, an obscured relation of the exposure to the disease would highly be likely to be induced.

−	~~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。~~	+	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。过匹配因此导致统计偏误。