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


8

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?

2
Tôi không chắc tại sao điều này lại được bình chọn là lạc đề vì dường như có một câu hỏi thống kê ở đây hoàn toàn độc lập với phần mềm nào đang được sử dụng.
mdewey

1
Có vẻ như câu hỏi này trùng lặp với stats.stackexchange.com/questions/118636/ Khăn
Viktor

Câu trả lời:


1

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.


Cảm ơn Nô-ê đã trả lời. Giải thích của bạn rất hữu ích. Tôi quyết định thực hiện một kết hợp caliper hàng xóm gần nhất (thứ tự ngẫu nhiên) theo đề xuất của Austin (2014). Như bạn đề xuất, tôi đã chọn một bộ phù hợp và tiến hành phân tích với nó.
Làn gió

Tôi nghĩ rằng đó là một lời giải thích sai. Các quan sát với điểm số xu hướng trùng khớp là rất rất phía sau. Vấn đề là MatchIt chọn ngẫu nhiên thứ tự các quan sát được xử lý để khớp. Bạn có thể sửa lỗi khớp bằng cách gọi set.seed()trước khi khớp.
Viktor

Tôi đồng ý với bạn @Viktor. Tôi sẽ chỉnh sửa câu trả lời của tôi.

1

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.


0

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).


1
Cảm ơn bạn! Cỡ mẫu cơ sở là 1096 (đối chứng) và 328 (nhóm điều trị). Sau khi khớp, cả hai kích thước nhóm đều giảm xuống còn 324. Tôi thực sự đã tiến hành so khớp hàng xóm gần nhất bằng cách sử dụng một thước đo 0,25 std của điểm số xu hướng. Tôi cũng so sánh kết hợp neigbour gần nhất có và không có caliper - dẫn đến 4 đơn vị bổ sung trong mỗi nhóm bị loại bỏ. Tôi đã tính toán sự khác biệt được tiêu chuẩn hóa của phương tiện của hiệp phương sai trước so với sau khi khớp. Các giá trị này không thay đổi sau mỗi lần khớp nhưng các giá trị trong biến kết quả đã làm.
Cơn gió

@Breeze tôi thấy. Bạn đã thử kết hợp 1: 2 hay IPTW chưa?
Joe_74

1
Xin chào Joe_74, cảm ơn bạn đã trả lời. Tôi đã thử kết hợp chính xác trong kết hợp hàng xóm gần nhất. Thật không may, kích thước mẫu của tôi giảm xuống 294 đơn vị trong cả hai nhóm. Nếu có thể, tôi muốn duy trì kích thước mẫu trên 300. Nhưng tôi không bắt gặp trọng số điều trị xác suất nghịch đảo. Bạn muốn giới thiệu nó?
Cơn gió

@Breeze Chắc chắn. IPTW là chìa khóa để điều chỉnh sự khác biệt còn lại trong PS. Sử dụng nó có nghĩa là bạn cũng có thể giữ tất cả các trường hợp của bạn, không chỉ những trường hợp phù hợp.
Joe_74

1
Điều này nghe có vẻ thú vị, cảm ơn. Tôi có thể thử nó sau đó. Nếu tôi tiến hành so khớp như tôi đã mô tả ở trên (hàng xóm gần nhất với caliper), bạn có khuyên tôi báo cáo kết quả của một quy trình khớp ngẫu nhiên không? Vì tôi nhận được các kết quả khác nhau mỗi lần, để chỉ chọn kết quả của một quy trình dường như quá ngẫu nhiên đối với tôi ... ý kiến ​​của bạn về vấn đề này là gì?
Cơn gió
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.