我对R很新，尤其是倾向得分的匹配方法。我的数据集包括两组不同的人，他们是否受到治疗 - 不幸的是，他们在年龄和疾病持续时间方面也存在显着差异，因此我希望与他们相匹配。
到目前为止，这是我的代码：
set.seed(2208)
mod_match <- matchit(TR ~ age + disease_duration + sex + partner + work + academic,
data = Data_nomiss,
method = "nearest",
caliper = .025)
summary(mod_match)
此代码工作正常，但我想知道是否有可能加重协变量对匹配准确性的重要性？对我来说，至关重要的是，这些群体尽可能接近年龄和疾病持续时间（数字），而其他变量（因素）也应该匹配，但就我的目的而言，可能与第一个相比有所不同。 2。
在寻找我的问题的解决方案时，我遇到了这个人的要求，他的问题基本相同http://r.789695.n4.nabble.com/matchit-can-I-weight-the-parameters-td4633907.html
在这种情况下，建议组合最近邻和精确匹配，但转移到我的数据集，这会导致我的样本不成比例地减少。最后，我想要的是某种定制的匹配过程，重点关注年龄和疾病持续时间，同时也涉及最后三个变量，但是以较弱的方式。
有没有人碰巧知道如何实现这一目标？我很高兴收到有关此事的任何提示，感谢您的时间！
答案 0 :(得分：3)
不幸的是，MatchIt不提供此功能。有两种方法可以做到这一点，而不是使用MatchIt，但它们略微提高了。请注意，两者都没有使用倾向得分。倾向得分匹配的点是匹配单个数字，即倾向得分，这使得匹配程序对原始协变量视而不见，需要平衡。
第一种方法是使用包Matching并将自己的权重矩阵包含在Weight.matrix的{{1}}中。您可以在体重矩阵中增加年龄和疾病持续时间。
第二种方法是使用包Match()进行基数匹配，这允许您指定平衡约束，并且它将使用优化来查找满足这些约束的最大样本。在designmatch中，在bmatch()参数中输入您感兴趣的协变量，这也允许您为每个变量包含特定的平衡约束。您可以要求对年龄和疾病持续时间进行更严格的平衡限制。