Saya telah melakukan Pencocokan Skor Prospensitas (dalam R menggunakan paket-R "Matchit"). Saya menggunakan metode pencocokan "tetangga terdekat". Setelah mencocokkan saya membandingkan pengobatan dan kelompok kontrol dalam hal variabel hasil mereka. Untuk perbandingan ini saya menggunakan uji-t. Saya menemukan bahwa setelah setiap prosedur pencocokan, hasil uji-t berubah. Untuk menguji asumsi saya bahwa perubahan dalam hasil ini adalah karena pemilihan acak dari skor kecenderungan (yang digunakan untuk pencocokan tetangga terdekat) Saya mengatur generator nomor acak ke benih tertentu dan melakukan prosedur pencocokan beberapa kali. Dengan mengatur RNG hasilnya tidak berbeda lagi.
- Dihadapkan dengan hasil yang berbeda setelah setiap prosedur pencocokan: bagaimana saya memutuskan solusi pencocokan yang saya gunakan untuk analisis lebih lanjut? Apakah ini metode yang valid untuk melakukan pencocokan produk beberapa kali (katakanlah 10'000) dan melaporkan median nilai p dan t dari hasil yang saya dapatkan dari beberapa uji-t?
Jawaban:
Ini terjadi ketika Anda memiliki (setidaknya) dua orang yang memiliki skor kecenderungan yang sama. MatchIt secara acak memilih satu untuk dimasukkan dalam set yang cocok. Rekomendasi saya adalah memilih satu set yang cocok dan melakukan analisis Anda dengannya. Saya setuju bahwa mencoba metode pengkondisian lainnya seperti pencocokan penuh dan IPW akan menjadi ide yang bagus. Anda dapat melaporkan hasil berbagai analisis di bagian analisis sensitivitas.
Sunting : Ini mungkin jawaban yang salah. Lihat jawaban Viktor untuk kemungkinan penyebab sebenarnya.
sumber
set.seed()
sebelum mencocokkan.Ini adalah perilaku standar paket MatchIt. Ini mengocok pengamatan sebelum pencocokan, yaitu, secara acak memilih urutan pencocokan untuk pengamatan yang dirawat. Anda dapat menggunakan
set.seed()
fungsi untuk memperbaiki hasil. Misalnya, meneleponset.seed(100)
sebelum meneleponmatchit()
. Argumenset.seed()
kehendak yang berbeda sesuai dengan pencocokan yang berbeda.sumber
Ini pertanyaan yang sangat menarik. Penjelasan pertama yang dapat saya sarankan adalah bahwa studi Anda cukup kecil dan dengan demikian hanya sedikit perbedaan yang cocok yang berdampak. Lebih umum, pencocokan tetangga terdekat tidak terlalu akurat. Kaliper matematika lebih dapat diandalkan, dan mungkin perbedaan yang Anda laporkan akan berkurang atau hilang saat menggunakannya (seperti halnya menggunakan pembobotan perlakuan probabilitas terbalik). Akhirnya, saya tidak yakin apakah Anda menggunakan uji t untuk membandingkan perbedaan baseline (yang tidak pantas, karena ini harus dilakukan menghitung perbedaan standar), atau untuk pengujian hipotesis (dalam hal ini tes berpasangan harus digunakan). Dalam kasus apa pun, pendekatan pelaporan yang umum adalah hanya melaporkan hasil dari prosedur pencocokan tunggal, selama itu dilakukan dengan benar (misalnya dengan pencocokan caliper).
sumber