forma adecuada de utilizar la función "Matchit"

Question

Estoy tratando de usar la MatchIT:: matchitfunción en mi conjunto de datos; sin embargo, el resultado que obtengo no parece ser correcto; por lo tanto, comencé a preguntarme si la forma en que usé la función es incorrecta. el ejemplo del conjunto de datos se muestra a continuación (es solo una parte de los 6000 datos que tengo):

         shift age  site  level   length result
         <dbl>  <dbl> <dbl> <dbl> <dbl> <lgl>    
 1           0   3.92     0     3    95 FALSE    
 2           0  10.6      0     3   147 FALSE    
 3           0  13.5      0     4   114 FALSE    
 4           0   0.01     0     2   172 FALSE    
 5           0   4.75     0     4    74 FALSE    
 6           0  17.5      0     5    98 FALSE    
 7           0   2.5      0     4    70 FALSE    
 8           0   2.75     0     3    47 FALSE    
 9           0   5.92     0     3    65 FALSE    
10           0  14.5      0     3   129 FALSE
11           1   2.75     8     4   251 TRUE     
12           1   8.08     8     2   206 TRUE     
13           1   5.42     8     3    95 TRUE     
14           1   4.67     8     2   362 TRUE     
15           1   6.75     8     4   648 TRUE  

   

Tipo de datos: en el conjunto de datos anterior, el turno , el sitio y el nivel son características categóricas y la edad y la longitud son el doble.

lo que quiero hacer: quiero ver el efecto de la longitud en el resultado y ver cómo el cambio de longitud afectará el resultado de la prueba

Como quiero usar el método más cercano, pensé que es necesario crear una variable ficticia para las características categóricas, ya que es necesario para calcular la distancia (aunque no estoy seguro de si es correcta), así que:

df_prop_match_dumm <- dummy_cols(df_prop_match, select_columns = c("shift","site","level"))

y luego utilicé matchitlo siguiente:

match_out <- matchit(result ~ shift_0 + shift_1 + shift_2 + level_1 + level_2 +
                       level_3 +level_4 +level_5 + site_1 + site_2 +site_3 +site_4 +site_5 +site_6 
                       +site_7 +site_8 + ageyrs ,data = df_prop_match_dumm , method="nearest", ratio=1)

¿es correcta esta ecuación? ¿Debo incluir la longitud en las matchitfunciones? ¿O no es necesario porque queremos encontrar el efecto de la longitud?

por favor avise cómo es la forma correcta de hacerlo

Answer 1

Para utilizar la coincidencia, necesita una variable binaria que sea la causa supuesta. No tienes eso aquí. lengthes la supuesta causa y no es binaria. No puede utilizar la coincidencia para este tipo de análisis.