Kết quả khác nhau sau khi phù hợp với điểm số trong R

Tôi đã tiến hành Kết hợp điểm theo tỷ lệ (trong R bằng cách sử dụng gói "Matchit" của gói R). Tôi đã sử dụng phương pháp kết hợp "hàng xóm gần nhất". Sau khi kết hợp tôi đã so sánh điều trị và nhóm đối chứng về biến số kết quả của chúng. Để so sánh này, tôi đã sử dụng thử nghiệm t. Tôi phát hiện ra rằng sau mỗi quy trình khớp, kết quả của bài kiểm tra t đã thay đổi. Để kiểm tra giả định của tôi rằng sự thay đổi kết quả này là do lựa chọn ngẫu nhiên các điểm số xu hướng (được sử dụng cho kết quả khớp lân cận gần nhất) Tôi đặt trình tạo số ngẫu nhiên thành một hạt giống cụ thể và tiến hành quy trình khớp nhiều lần. Bằng cách đặt RNG, kết quả không còn khác nữa.

1. Đối mặt với các kết quả khác nhau sau mỗi quy trình đối sánh: làm cách nào để tôi quyết định giải pháp phù hợp nào tôi sử dụng để phân tích thêm? Đây có phải là một phương pháp hợp lệ để tiến hành sản phẩm phù hợp nhiều lần (giả sử là 10.000) và báo cáo trung vị của các giá trị p và t của các kết quả tôi nhận được từ một số thử nghiệm t?

Điều này xảy ra khi bạn có (ít nhất) hai cá nhân có cùng số điểm xu hướng. MatchIt chọn ngẫu nhiên một để đưa vào bộ phù hợp. Đề nghị của tôi sẽ là chọn một bộ phù hợp và thực hiện phân tích của bạn với nó. Tôi đồng ý rằng thử các phương pháp điều hòa khác như kết hợp đầy đủ và IPW sẽ là một ý tưởng tốt. Bạn có thể báo cáo kết quả của các phân tích khác nhau trong phần phân tích độ nhạy.

Chỉnh sửa : Đây có lẽ là câu trả lời sai. Xem câu trả lời của Viktor để biết nguyên nhân thực sự.

Đây là một hành vi tiêu chuẩn của gói MatchIt. Nó xáo trộn các quan sát trước khi khớp, nghĩa là, nó chọn ngẫu nhiên thứ tự khớp cho các quan sát được xử lý. Bạn có thể sử dụng set.seed()chức năng để sửa kết quả. Ví dụ, gọi set.seed(100)trước khi gọi matchit(). Lập luận khác nhau của set.seed()sẽ tương ứng với các kết hợp khác nhau.

Đây là một câu hỏi rất thú vị. Lời giải thích đầu tiên tôi có thể đề xuất là nghiên cứu của bạn khá nhỏ và do đó, có rất ít sự khác biệt phù hợp. Nói chung, kết hợp hàng xóm gần nhất là không chính xác. Caliper toán học là đáng tin cậy hơn, và có thể sự khác biệt bạn báo cáo sẽ giảm hoặc biến mất khi sử dụng nó (như với việc sử dụng trọng số điều trị xác suất nghịch đảo). Cuối cùng, tôi không chắc liệu bạn đã sử dụng thử nghiệm t để so sánh các khác biệt cơ bản (không phù hợp, vì điều này nên được thực hiện khi tính toán các khác biệt được tiêu chuẩn hóa) hoặc để kiểm tra giả thuyết (trong trường hợp này nên sử dụng thử nghiệm ghép đôi). Trong mọi trường hợp, cách tiếp cận báo cáo điển hình chỉ đơn giản là báo cáo kết quả của một quy trình khớp duy nhất, miễn là nó được thực hiện chính xác (ví dụ với kết hợp caliper).