일치(통계)

Matching (statistics)

매칭은 관찰 연구나 준 실험(즉, 임의로 치료가 할당되지 않은 경우)에서 치료와 비치료 단위를 비교하여 치료 효과를 평가하는 데 사용되는 통계 기법이다.일치의 목적은 공변량이 균형 잡힌 사람과 유사한 관찰 가능한 특성을 가진 하나 이상의 비처리 단위를 찾아냄으로써 관찰 데이터 연구에서 추정된 치료 효과에 대한 편견을 줄이는 것이다.처리된 단위를 유사한 처리되지 않은 단위에 일치시킴으로써 매칭은 처리된 단위와 처리되지 않은 단위 간의 결과의 비교를 가능하게 하여 교란으로 인한 편향 감소의 치료 효과를 추정할 수 있다.[1][2][3]초기 매칭 기법인 성향 점수 매칭은 루빈 인과 모델의 일부로 개발되었으나,[4] 모델 의존성, 편향성, 비효율성, 파워가 증가하는 것으로 나타나 다른 매칭 방법에 비해 더 이상 권장되지 않는다.[5]null

매칭은 도널드 루빈이 홍보했다.[4]경제학에서 라론드(1986)는 실험에서 얻은 치료 효과의 추정치를 일치된 방법으로 산출된 비교 추정치와 비교하고 일치 방법이 편향되어 있다는 것을 보여준 바 있다.[6]데헤지아와 와바(1999)는 라론데의 평론을 재평가해 매칭이 좋은 해결책임을 보여줬다.[7]정치학과[8] 사회학[9] 학술지에서도 비슷한 비판이 제기돼 왔다.null

분석

관심의 결과가 이항인 경우, 일치된 데이터를 분석하는 가장 일반적인 도구는 임의 크기의 계층과 연속 또는 이항 처리(예측자)를 처리하고 공변량을 제어할 수 있으므로 조건부 로지스틱 회귀 분석이다.특히 쌍체 차이 검정, McNemar 검정, Cochran-Mantel-Haenszel 테스트와 같은 간단한 테스트를 이용할 수 있다.null

관심의 결과가 지속되면 평균 치료 효과의 추정이 수행된다.null

매칭은 회귀 분석과 같은 다른 기법을 통해 분석 전에 샘플을 "사전 처리"하는 데도 사용할 수 있다.[10]null

오버매칭

노출의 결과인 명백한 중재자와 오버매칭이 일치한다.중재자 자체가 층화되면 질병 노출의 모호한 관계가 유도될 가능성이 높다.[11]따라서 과대 매칭은 통계적 편견을 야기한다.[11]null

예를 들어 체외수정(IVF) 그 자체가 조산 및 다산의 위험을 증가시키기 때문에 임신 기간 및/또는 시험관내 수정(IVF) 후 산아 사망률과 출산 체중을 추정할 때 대조군을 일치시키는 것은 과잉 매칭이다.[12]null

대조군이 일반 모집단보다 노출과 관련된 사례와 더 유사하기 때문에 연구의 외부 타당성을 감소시키는 표본편향으로 간주할 수 있다.null

참고 항목

참조

  1. ^ Rubin, Donald B. (1973). "Matching to Remove Bias in Observational Studies". Biometrics. 29 (1): 159–183. doi:10.2307/2529684. JSTOR 2529684.
  2. ^ Anderson, Dallas W.; Kish, Leslie; Cornell, Richard G. (1980). "On Stratification, Grouping and Matching". Scandinavian Journal of Statistics. 7 (2): 61–66. JSTOR 4615774.
  3. ^ Kupper, Lawrence L.; Karon, John M.; Kleinbaum, David G.; Morgenstern, Hal; Lewis, Donald K. (1981). "Matching in Epidemiologic Studies: Validity and Efficiency Considerations". Biometrics. 37 (2): 271–291. CiteSeerX 10.1.1.154.1197. doi:10.2307/2530417. JSTOR 2530417. PMID 7272415.
  4. ^ a b Rosenbaum, Paul R.; Rubin, Donald B. (1983). "The Central Role of the Propensity Score in Observational Studies for Causal Effects". Biometrika. 70 (1): 41–55. doi:10.1093/biomet/70.1.41.
  5. ^ King, Gary; Nielsen, Richard (October 2019). "Why Propensity Scores Should Not Be Used for Matching". Political Analysis. 27 (4): 435–454. doi:10.1017/pan.2019.11. ISSN 1047-1987.
  6. ^ LaLonde, Robert J. (1986). "Evaluating the Econometric Evaluations of Training Programs with Experimental Data". American Economic Review. 76 (4): 604–620. JSTOR 1806062.
  7. ^ Dehejia, R. H.; Wahba, S. (1999). "Causal Effects in Nonexperimental Studies: Reevaluating the Evaluation of Training Programs" (PDF). Journal of the American Statistical Association. 94 (448): 1053–1062. doi:10.1080/01621459.1999.10473858.
  8. ^ Arceneaux, Kevin; Gerber, Alan S.; Green, Donald P. (2006). "Comparing Experimental and Matching Methods Using a Large-Scale Field Experiment on Voter Mobilization". Political Analysis. 14 (1): 37–62. doi:10.1093/pan/mpj001.
  9. ^ Arceneaux, Kevin; Gerber, Alan S.; Green, Donald P. (2010). "A Cautionary Note on the Use of Matching to Estimate Causal Effects: An Empirical Example Comparing Matching Estimates to an Experimental Benchmark". Sociological Methods & Research. 39 (2): 256–282. doi:10.1177/0049124110378098. S2CID 37012563.
  10. ^ Ho, Daniel E.; Imai, Kosuke; King, Gary; Stuart, Elizabeth A. (2007). "Matching as Nonparametric Preprocessing for Reducing Model Dependence in Parametric Causal Inference". Political Analysis. 15 (3): 199–236. doi:10.1093/pan/mpl013.
  11. ^ a b Marsh, J. L.; Hutton, J. L.; Binks, K. (2002). "Removal of radiation dose response effects: an example of over-matching". British Medical Journal. 325 (7359): 327–330. doi:10.1136/bmj.325.7359.327. PMC 1123834. PMID 12169512.
  12. ^ Gissler, M.; Hemminki, E. (1996). "The danger of overmatching in studies of the perinatal mortality and birthweight of infants born after assisted conception". Eur J Obstet Gynecol Reprod Biol. 69 (2): 73–75. doi:10.1016/0301-2115(95)02517-0. PMID 8902436.

추가 읽기

  • Angrist, Joshua D.; Pischke, Jörn-Steffen (2009). "Regression Meets Matching". Mostly Harmless Econometrics: An Empiricist's Companion. Princeton University Press. pp. 69–80. ISBN 978-0-691-12034-8.