我想分析一些倾向得分匹配的数据。在文献中,通常使用 McNemar 检验,因为数据是“成对的”。然而,匹配并不是常识中的配对。
使用 Fisher 精确检验会更正确吗?对匹配数据使用配对测试有什么看法?
我想分析一些倾向得分匹配的数据。在文献中,通常使用 McNemar 检验,因为数据是“成对的”。然而,匹配并不是常识中的配对。
使用 Fisher 精确检验会更正确吗?对匹配数据使用配对测试有什么看法?
这绝对是文献中正在进行的辩论,但在这一点上,证据表明使用配对分析来计算标准误差和 p 值。尽管匹配的目标是得到两个模拟随机对照试验的样本,而不是配对随机对照试验,但匹配仍然会在每个匹配集中的结果之间产生协方差,这需要在推理中加以考虑。PC Austin 写了很多关于这方面的文章(例如,Austin & Small,2014)。Zubizarreta, Paredes, & Rosenbaum (2014) 表明,在匹配(即丢弃不匹配的单元)之后,配对(即创建匹配对)可以降低最终估计对未测量混杂的敏感性并减少标准误差,这只能实现如果对样本使用配对分析。