如何合并R中MatchIt对象以进行描述性分析？

由于直接合并matchit对象会因内部结构（如模型参数、匹配对关联信息）不兼容导致报错，更可行的思路是提取两个匹配后的数据集并合并，再基于合并数据完成可视化分析，以下提供两种实现路径：

路径1：用cobalt包直接分析合并数据（推荐） #

cobalt是专注于协变量平衡评估的工具，支持直接传入包含处理状态、协变量和匹配权重的数据框，无需依赖原始matchit对象，操作更灵活：

1. 提取并合并匹配后数据（保留权重、倾向得分）：

library(cobalt)

# 提取匹配后完整数据
match_df1 <- match.data(treats, include.s.weights = TRUE)
match_df2 <- match.data(treats2, include.s.weights = TRUE)

# 合并两个年份的匹配数据
combined_match_df <- dplyr::bind_rows(match_df1, match_df2)

2. 绘制协变量密度分布图：

# 按处理组展示协变量密度，自动应用匹配权重
bal.plot(combined_match_df, 
         var = c("date", "race", "age", "wages"),
         treat = "treated",
         weights = "weights",
         type = "density")

路径2：构造伪matchit对象适配MatchIt原生plot函数 #

如果必须使用MatchIt的plot函数，可以手动构造一个包含核心元素的伪matchit对象：

1. 合并数据并构造伪对象：

# 提取匹配后数据
match_df1 <- match.data(treats)
match_df2 <- match.data(treats2)
combined_match_df <- dplyr::bind_rows(match_df1, match_df2)

# 构建包含必要字段的伪matchit对象
combined_matchit <- list(
  data = combined_match_df,
  formula = treats$formula,  # 复用原匹配公式
  treat = combined_match_df$treated,
  weights = combined_match_df$weights,
  ps = c(treats$ps, treats2$ps),  # 合并两个年份的倾向得分
  model = NULL,  # 分年份拟合的模型无法合并，设为NULL不影响绘图
  call = treats$call  # 复用原函数调用信息
)

# 添加类标识，让MatchIt函数识别
class(combined_matchit) <- "matchit"

2. 运行MatchIt的plot函数：

plot(combined_matchit, 
     date + race + age + wages ~ treated, 
     type = "density")

重要提示 #

• 分年份独立匹配后合并的整体平衡评估仅作可视化参考，不能替代分年份的单独平衡检验——跨年份的协变量本底分布存在差异，匹配是基于每年内部的分布完成的。
• 若要更严谨的分析，建议在绘图时按年份分层（比如bal.plot中添加group = "year"参数），同时保留分年份的平衡统计量。

内容的提问来源于stack exchange，提问作者ZZ Top