如何在MatchIt()R中计算eCDF均值

Question

我一直在探索R中的MatchIt((包，并想知道如何在这个包中计算eCDF均值。我使用了这个包中的数据lalonde，并运行了matchit包

library("MatchIt")
data("lalonde")
m.out1 <- matchit(treat ~ age + educ + race + married + 
nodegree + re74 + re75, data = lalonde,
method = "nearest", distance = "glm")

matchit的摘要输出是

Call:
matchit(formula = treat ~ age + educ + race + married + nodegree + 
re74 + re75, data = lalonde, method = "nearest", distance = "glm")
Summary of Balance for All Data:
Means Treated Means Control Std. Mean Diff. Var. Ratio eCDF Mean eCDF Max
distance          0.5774        0.1822          1.7941     0.9211    0.3774   0.6444
age              25.8162       28.0303         -0.3094     0.4400    0.0813   0.1577
educ             10.3459       10.2354          0.0550     0.4959    0.0347   0.1114
raceblack         0.8432        0.2028          1.7615          .    0.6404   0.6404
racehispan        0.0595        0.1422         -0.3498          .    0.0827   0.0827
racewhite         0.0973        0.6550         -1.8819          .    0.5577   0.5577
married           0.1892        0.5128         -0.8263          .    0.3236   0.3236
nodegree          0.7081        0.5967          0.2450          .    0.1114   0.1114
re74           2095.5737     5619.2365         -0.7211     0.5181    0.2248   0.4470
re75           1532.0553     2466.4844         -0.2903     0.9563    0.1342   0.2876

根据渐晕("评估平衡"(，组间协变量的eCDF之间的平均距离为eCDF平均值。所以，我一直在尝试手动计算eCDF平均值。例如年龄协变量。

首先，我分离2个数据；people1"；对于处理过的数据；people2"；用于未经处理的数据。然后我创建了年龄处理(A(和年龄未处理(B(的eCDF

#AGE
people1$age
people=na.omit(people1$age)
age1=ecdf(as.numeric(people))
people2$age
people2=na.omit(people2$age)
age2=ecdf(as.numeric(people2))
as.list(environment(age1))
A=as.data.frame(cbind(as.list(environment(age1))$x, as.list(environment(age1))$y));A
as.list(environment(age2))
B=as.data.frame(cbind(as.list(environment(age2))$x, as.list(environment(age2))$y));B

下面的C矩阵是已处理(A(和未处理(B(的eCDF。

C=merge(A,B,by="V1",all=TRUE);C
C=na.omit(C) #for delete the row with NA value 
D=abs(C$V2.x-C$V2.y);summary(D)

D是eCDF处理(处理=1(和未处理(处理=0(之间的差异，但平均值的结果是：

Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
0.01850 0.06193 0.08809 0.09113 0.11888 0.15773

正如您所看到的，差值最大值eCDF与MatchIt((的输出相同，但差值平均值eCDF不相同有人能解决这个问题吗？或者知道如何计算eCDF平均值？非常感谢。

Answer 1

这是我见过的最复杂的代码之一。我将简化一些事情，并向您展示统计数据是如何计算的。也就是说，这一统计数据没有得到很好的研究，主要由于历史原因，它是产出的一部分。请改用eCDF Max(Kolmogorov-Smirnov统计数据(。

步骤1：从处理和控制单元中获取eCDF(是函数，而不是矢量(

ecdf1 <- ecdf(lalonde$age[lalonde$treat == 1])
ecdf0 <- ecdf(lalonde$age[lalonde$treat == 0])

这些函数的作用是获取变量(age(的值，并返回每个值的累积密度。

步骤2：评估age的每个唯一值的eCDF

我们必须使用唯一值的原因是eCDF已经通过在函数中创建一个步骤来说明重复值。

cum.dens1 <- ecdf1(unique(lalonde$age))
cum.dens0 <- ecdf0(unique(lalonde$age))

步骤3：计算绝对差的平均值和最大值

ecdf.diffs <- abs(cum.dens1 - cum.dens0)
mean(ecdf.diffs)
# [1] 0.08133907
max(ecdf.diffs)
# [1] 0.157727

我们可以看到我们得到了正确的答案。

MatchIt使用的实际代码有点不透明，但它使它运行得更快。

Answer 2

问题中的问题似乎来自于计算平均值的包MatchIt方法，它们是加权平均值。

下面的代码与问题的代码有相同的输出，但我把它放在这里是因为我认为它更惯用。它肯定更简单。

library("MatchIt")
data("lalonde")
m.out1 <- matchit(treat ~ age + educ + race + married +
nodegree + re74 + re75, data = lalonde,
method = "nearest", distance = "glm")
summary(m.out1)
sp_lalonde <- split(lalonde, lalonde$treat)
tmp <- lapply(sp_lalonde, (x){
e <- ecdf(x$age)
out <- as.list(environment(e))[c("x", "y")]
as.data.frame(out)
})
C <- Reduce(function(x, y) merge(x, y, by = "x", all = TRUE), tmp) |> na.omit()
D <- abs(C[[2]] - C[[3]])
summary(D)
#   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
#0.01850 0.06193 0.08809 0.09113 0.11888 0.15773 
mean(apply(C[-1], 1, dist))
#[1] 0.09112509