在设计与分析匹配数据集时评估协变量平衡的随机化检验

观察性研究的因果分析常因处理组间协变量不平衡而复杂化，而匹配方法通过寻找具有协变量平衡的处置组子集来缓解此问题。学界广泛认同协变量平衡可作为匹配数据集近似随机实验的证据，但匹配数据集近似的是何种实验？本工作中，我们针对匹配数据集近似特定实验设计（如完全随机化、区组随机化或重随机化）的假设，发展了一种随机化检验。我们的检验可纳入任意实验设计，并允许将若干设计置于同一单变量尺度上的图形展示，从而使研究者能精准定位哪种设计——若有——最适用于某匹配数据集。研究者确定合理设计后，我们推荐一种基于随机化的方法分析匹配数据，其可纳入任意设计与处理效应估计量。通过模拟，我们发现检验常能检测出损害推断结果的随机分配违背。此外，通过模拟及政治学中的真实应用，我们发现具有高协变量平衡水平的匹配数据集倾向于近似如重随机化般受平衡约束的设计，且如此分析可得到精确的因果分析。然而，假定精确设计应谨慎行事，因为若匹配后剩余不平衡仍造成实质偏倚，则可能损害推断结果。我们的方法实现于CRAN上可用的randChecks R包中。