Rで傾向スコアを一致させた後の結果が異なる

傾向スコアマッチングを実行しました（Rパッケージの「Matchit」を使用してRで）。マッチング方法は「最近傍」を使用しました。マッチング後、結果変数の観点から、治療と対照群を比較しました。この比較には、t検定を使用しました。各マッチング手順の後に、t検定の結果が変化することを発見しました。この結果の変化が傾向スコア（最近傍マッチングに使用される）のランダムな選択によるものであるという私の仮定をテストするために、乱数ジェネレーターを特定のシードに設定し、マッチング手順を数回実行しました。RNGを設定することで、結果に違いがなくなりました。

1. すべてのマッチング手順の後で異なる結果に直面しました：さらなる分析に使用するマッチングソリューションをどのように決定しますか？マッチング手順を数回（たとえば10'000）実行し、複数のt検定から得られた結果のp値とt値の中央値を報告することは有効な方法ですか？

これは、同じ傾向スコアを持つ個人が（少なくとも）2人いる場合に発生します。MatchItは、一致するセットに含めるものをランダムに選択します。私の推奨は、一致するセットを1つ選択し、それを使用して分析を実行することです。完全一致やIPWなどの他の調整方法を試してみるのもよいでしょう。感度分析セクションでは、さまざまな分析の結果を報告できます。

編集：これはおそらく間違った答えです。実際の原因と思われるものについては、Viktorの回答を参照してください。

これは、MatchItパッケージの標準的な動作です。一致する前に観測値をシャッフルします。つまり、処理された観測値のマッチングの順序をランダムに選択します。set.seed()関数を使用して結果を修正できます。たとえば、を呼び出すset.seed(100)前に呼び出しmatchit()ます。の異なる引数はset.seed()、異なる一致に対応します。

これは非常に興味深い質問です。私が提案できる最初の説明は、あなたの研究は非常に小さいため、マッチングの違いがほとんどないということです。より一般的には、最近傍マッチングはあまり正確ではありません。キャリパー演算はより信頼性が高く、レポートした差異は、逆確率処理重み付けを使用する場合と同様に、それを使用して減少または消失する可能性があります。最後に、t検定を使用してベースラインの差異を比較したか（これは標準化された差異を計算するために不適切であるため）、または仮説検定（この場合、対応のある検定を使用する必要があるか）を確認しました。いずれの場合でも、典型的なレポートアプローチは、それが正しく行われている限り（たとえば、キャリパーマッチングを使用して）、単一のマッチング手順の結果をレポートすることです。