使用线性模型进行倾向得分匹配 (R MatchIt)

Question

我想使用从线性模型拟合的倾向得分来匹配使用MatchIt库的观察结果。

例如，假设df是一个数据框。 如果我要使用 logit 的倾向得分来平衡它的treatment列x1 、 x2和x3 ，我会设置distance = 'glm'和link = 'logit' ：

m <- matchit(formula = treatment ~ x1 + x2 + x3,
             data = df,
             method = 'nearest',
             distance = 'glm',
             link = 'logit')

如何使用线性模型而不是 logit 做同样的事情？

根据文档：

当链接前面带有“linear.”时，使用线性预测器而不是预测概率。

因此，我尝试了：

m <- matchit(formula = treatment ~ x1 + x2 + x3,
             data = df,
             method = 'nearest',
             distance = 'glm',
             link = 'linear.logit')

恐怕这样做（ link = linear.logit ）会使用 logit 模型的对数赔率中的分数。

有什么办法可以只使用线性模型而不是广义线性模型？

Answer 1

您不能在matchit()中执行此操作（通常，您不应该这样做，这就是不允许这样做的原因）。 但是您始终可以根据需要在matchit()之外估算倾向得分，并将它们提供给matchit() 。 要使用线性概率模型，您将运行以下命令：

fit <- lm(treatment ~ x1 + x2 + x3, data = df)
ps <- fit$fitted
m <- matchit(treatment ~ x1 + x2 + x3,
             data = df,
             method = 'nearest',
             distance = ps)