Стратификация по оценке склонности: как я могу рассчитать коэффициент дисперсии?

Question

я выполнил стратификацию на счет предрасположенности с помощью пакета MatchIt:

install.packages("MatchIt") 
library(MatchIt) 

# Stratification on the propensity score 

stra <- matchit(treat ~ X1 + X2 + X3, data = data.mc, , method = "subclass") 
smry.stra <- summary(stra, standardize = TRUE) 
data.stra <- match.data(stra) 

Теперь я хотел бы, чтобы вычислить отношение дисперсии оценки склонности между лечением и контрольной группой. Могу ли я просто рассчитать отклонения от общей группы лечения и контроля?

stra.ratio <- var(data.stra$distance[data.stra$treat == 1])/
var(data.stra$distance[data.stra$treat == 0]) 

Или мне нужно было бы как-то рассмотреть слои и массы пластов?

спасибо, что заблаговременно!

Answer 1

Из документации пакета, описание значения weights:

«Каждый согласованный блок управления имеет вес, пропорциональный количеству единиц обработки, к которому она была совпадают, а сумма контроля вес равен числу однозначно соответствующих блоков управления. "

Это указывает мне, что да, мы должны принять взвешенное отклонение. Меня не удивит, если взвешенная дисперсия лечения всегда будет равна взвешенной дисперсии, так как весы всегда должны быть едины, но мы определенно увидим разницу в контрольной дисперсии.

Вот воспроизводимый пример, используя данные, которые пришли с MatchIt пакета:

library(MatchIt) 
library(SDMTools) 

data(lalonde) 

stra <- matchit(treat ~ age + educ + black + hispan + married + nodegree, data = lalonde, method = "subclass") 
data.stra <- match.data(stra) 
treatment <- data.stra[data.stra$treat == 1, ] 
control <- data.stra[data.stra$treat == 0, ] 
stra.ratio <- wt.var(treatment$distance, treatment$weights)/wt.var(control$distance, control$weights)