Question

我正在使用ps()包的倾向得分加权twang函数来均衡两组活跃的劳动力市场计划（ALMP）参与者，这些参与者在很多方面都有所不同。其中一个不同之处是教育水平，为了这个问题，我将其重新分为两个层次：一个是至少接受过小学教育的人的价值，另一个是那些最多接受小学教育的人。

当我将此变量包含为因子时：

 ALMP$Education_f2 = factor(ALMP$Education_f2, levels = c(„at.least.primary“, „at.most.primary“), ordered = TRUE)

R在Chi-squared approximation may be incorrect的迭代期间开始抱怨。

当我将教育变量包含为整数

时

ALMP$Education_int = as.integer(ALMP$Education_int)

R没有发出警告。

Griffin等人说here twang包可以处理分类变量：

无需在公式中指定交互项。那里创造也没有必要 - 而且可能适得其反指示符，或＆＃34;虚拟编码，＆＃34;变量来表示分类协变量，只要将分类变量存储为因子或按订购（有关详细信息，请参阅帮助（因子））。

如果这是真的，那么为什么R会抱怨？这是我应该担心的吗？

我还读到here，作为一般规则，如果任何类别的观察数少于5，则卡方投诉。这不是我的情况，因为如果我在教育和课程类型上运行（2x2）交叉表，则一个小组中参与者的最小份额为2810（占所有案例的8％）。

当然，我可以将教育变量保持为整数（0/1），但我问这个问题，因为如果可能的话，我想改进变量并将其包含在两个以上的级别中（例如：没有教育，小学，中学，大学），显然整数变量不再适用。

我在数据框中总共有大约35,000个观测值，并且使用的是3.4.2。 Windows 7 Professional（x64）上的R（x64）版本。

数据来自具有一些保密规则的公共注册管理机构数据库，所以很遗憾我无法分享，但我很乐意更详细地描述任何有助于澄清情况的功能。

非常感谢您提前。

Answer 1

我想我发现了这个问题。我正在使用R Studio，它与我是否在R Markdown或R Script中编写代码有关。

问题只发生在我将因子变量传递给R Markdown中的ps函数时，如下所示：

library(twang)
data("lalonde") 

lalonde$college = ifelse(lalonde$educ<13, 0, 1)
lalonde$college_f = factor(lalonde$college, ordered = TRUE)

ps.lalonde_f = ps(treat ~ age + college_f + black + hispan + nodegree + married + re74 + re75,
                  data = lalonde, 
                  n.tree = 1000,
                  interaction.depth = 2, 
                  shrinkage = 0.01,
                  perm.test.iters = 0,
                  stop.method = c("es.mean", "ks.max"),
                  estimand = "ATT",
                  verbose = FALSE)

当我将college_f参数替换为ps（）函数中的数字college时，我不再收到卡方警告。另外，如果我只是将上面的代码传递给R脚本，则警告也不会出现。

（我正在使用R-Studio版本1.1.442。）

倾向评分加权中的卡方警告

1 个答案: