我已经进行了 Prospensity Score Matching（在 R 中使用 R 包“Matchit”）。我使用了匹配方法“最近邻”。匹配后，我比较了治疗组和对照组的结果变量。对于这个比较，我使用了 t 检验。我发现在每个匹配过程之后，t 检验的结果都发生了变化。为了测试我的假设，即结果的这种变化是由于倾向得分的随机选择（用于最近邻匹配），我将随机数生成器设置为特定的种子，并多次执行匹配过程。通过设置 RNG，结果不再不同。
这是 MatchIt 包的标准行为。它在匹配之前对观察结果进行洗牌，即，它随机选择处理过的观察结果的匹配顺序。您可以使用set.seed()函数来修复结果。例如，先调用set.seed(100)再调用matchit()。will的不同参数set.seed()对应不同的匹配。
当您（至少）有两个人具有相同的倾向得分时，就会发生这种情况。MatchIt 随机选择一个包含在匹配集中。我的建议是选择一个匹配的集合并用它进行分析。我同意尝试其他调节方法，例如完全匹配和 IPW 将是一个好主意。您可以在敏感性分析部分报告各种分析的结果。
编辑：这可能是错误的答案。请参阅 Viktor 的回答，了解可能的实际原因。
编辑 2020-12-07：对于MatchIt低于 4.0.0 的版本，最近邻匹配时会发生的唯一随机选择是存在关系时或 时m.order = "random"，这不是默认值。如果在匹配中使用的变量很少，特别是如果它们都是分类变量或取很少的值，则可能出现平局。从 4.0.0 版开始，不再有任何随机进程，除非m.order = "random"; 根据数据的顺序确定性地打破所有关系。
这是一个非常有趣的问题。我可以建议的第一个解释是您的研究非常小，因此几乎没有匹配差异是有影响的。更一般地说，最近邻匹配不是很准确。卡尺数学更可靠，并且您报告的差异可能会使用它减少或消失（与使用逆概率处理加权一样）。最后，我不确定您是使用 t 检验来比较基线差异（这是不合适的，因为这应该计算标准化差异），还是用于假设检验（在这种情况下应该使用配对检验）。在任何情况下，典型的报告方法都是简单地报告单个匹配过程的结果，只要它正确完成（例如使用卡尺匹配）。