关于PSM结果的提问

Question

各位专家们，我在用stata做psm，匹配后的结果如图，在匹配的过程中遇到如下问题：
总共367个样本，off support的样本为3个，但是_weight为.的样本有96个。
请问后续做分析是直接drop off support，还是需要drop _weight为.呢？急救。

Answer 1

让 “紫雾凌寒” 来帮你回答,本回答结合 DeepSeek

如果还有问题，请评论或点击头像私信，如果有帮助到您, 请关注、采纳、点赞

1. 关键点分析：
   - 总共367个样本，有3个样本处于off support（可能是超出了匹配可取值范围等情况），这相对较少，一般对整体分析影响较小。
   - 但有96个样本_weight为缺失值（.），这是需要重点关注的问题，因为_weight在PSM分析中用于后续分析如加权回归等，如果大量缺失，会影响分析结果的准确性和可靠性。
2. 解决方案：
   - 首先要检查_weight缺失的原因。在PSM分析中，_weight是根据匹配算法计算出来的权重。缺失可能是由于匹配过程出现错误，比如数据不完整、协变量存在极端值影响了匹配效果等。
   - 可以尝试重新检查数据，看是否存在数据录入错误，比如某些协变量的值是否正确。
   - 也可以考虑调整匹配方法，不同的匹配方法对数据的要求和处理方式不同，可能某些方法能减少_weight缺失的情况。例如，常见的匹配方法有最近邻匹配、卡尺匹配等。
   - 如果实在无法解决_weight缺失的问题，一种可能的处理方式是将_weight缺失的样本剔除，不过这样会减少样本量，可能会损失一定的信息。在Stata中可以使用drop if _weight==.命令来剔除。但这种方法要谨慎使用，因为样本量减少可能会影响统计功效。
   - 关于后续做分析是否直接dr（倾向得分加权回归），如果_weight缺失严重，直接进行dr可能会得到不可靠的结果。建议先解决_weight缺失问题后再进行后续分析。
   - 代码示例：
   • 检查数据是否存在错误，比如查看协变量covariate1的值是否合理：list covariate1 if _weight==.
   • 剔除_weight缺失的样本：drop if _weight==.
   • 重新进行PSM匹配并计算权重：假设使用最近邻匹配，协变量为covariate1 covariate2
stata psmatch2 treat covariate1 covariate2, nnm
3. 多种解决方案的优缺点：
   - 检查数据：
   • 优点：能直接发现数据本身的问题，如录入错误等，从根源上解决_weight缺失可能是由于数据问题导致的情况。
   • 缺点：可能比较耗时，需要仔细检查每个协变量的数据值，而且不一定能找到明确的错误原因。
   • 调整匹配方法：
   • 优点：不同匹配方法可能适用于不同的数据特征，有可能通过调整方法减少_weight缺失。
   • 缺点：不一定能完全解决问题，而且不同方法有不同的假设和适用场景，需要对各种方法有深入了解并进行尝试，增加了分析的复杂性。
   • 剔除_weight缺失样本：
   • 优点：简单直接，能快速解决_weight缺失对后续分析的影响。
   • 缺点：减少了样本量，可能会损失部分信息，降低统计功效，尤其是在样本量本身不大的情况下（这里原始样本量367不算大），可能导致结果偏差。
4. 总结：
   - 对于PSM中_weight缺失的问题，要先深入检查原因，可尝试重新检查数据和调整匹配方法。如果实在无法解决，剔除缺失样本是一种可考虑的方法，但要谨慎权衡样本量减少带来的影响。在确保_weight问题得到妥善处理后，再进行后续如dr等分析，以保证分析结果的准确性和可靠性。

希望以上解答对您有所帮助。如果您有任何疑问，欢迎在评论区提出。