为何MatchIt对象绘图与普通对象不同？如何合并其多图到单图？

我使用MatchIt开展多组匹配分析，为提升编码效率，通过map循环处理不同协变量集等模型输入，得到一组matchit对象列表，用于提取分析结果与诊断输出。我希望将各模型的诊断图合并为单个图形。

处理普通对象（如iris数据集的直方图）时，以下代码可正常生成包含两个直方图的单个图形：

library(tidyverse) 

plots <- iris %>% select(contains("Sepal")) %>% map(hist)
opar <- par(no.readonly = TRUE)
par(mfrow=c(2,1))
plots %>% map(plot)

但将相同方法应用于matchit对象时，如下代码仅能得到一个挤在图形区域顶部的图，其余图形无法显示：

library(tidyverse) 
library(MatchIt)
data("lalonde")

formula1=treat ~ age + educ + race + married + 
  nodegree + re74 + re75
formula2=treat ~ age + educ + race + married + 
  nodegree + re74 + re75
formulas=list(formula1,formula2)

results <- formulas %>% map(~matchit(formula=.x, data=lalonde, method=NULL, distance="glm"))

opar <- par(no.readonly = TRUE)

# set 2 x 1 layout
par(mfrow = c(2,1))
results %>% map(summary) %>% map(plot)
par(opar)

请问为何MatchIt对象与普通对象的绘图结果不同？如何将matchit对象的多个诊断图合并到单个图形中？

为什么MatchIt对象的绘图结果不同？ #

问题出在plot.summary.matchit()函数（即对summary.matchit对象调用plot()时的方法）的行为上：

• 普通绘图函数（如hist()）会遵循当前的图形参数（比如你设置的mfrow），在指定的子图区域绘图。
• 但plot.summary.matchit()会主动重置图形布局参数，它默认会生成3张诊断图，并自动设置mfrow=c(2,2)来排列这些图。这会覆盖你之前设置的mfrow=c(2,1)，导致第一个模型的诊断图占用整个绘图设备，后续模型的图只能挤在第一个模型绘图后剩下的区域（也就是顶部一小块）。

如何合并多个MatchIt诊断图？ #

有两种可行的方案，根据你的需求选择：

方案1：逐个绘制单个诊断图，手动控制布局 #

如果你想为每个模型只展示某一类诊断图（比如仅标准化均值差的箱线图），可以通过plot()的which参数指定绘图类型，同时保留自定义的布局：

library(tidyverse) 
library(MatchIt)
data("lalonde")

formula1 <- treat ~ age + educ + race + married + nodegree + re74 + re75
formula2 <- treat ~ age + educ + race + married + nodegree + re74 + re75
formulas <- list(formula1, formula2)

results <- formulas %>% map(~matchit(formula=.x, data=lalonde, method=NULL, distance="glm"))
summaries <- results %>% map(summary)

opar <- par(no.readonly = TRUE)
# 设置2行1列的布局
par(mfrow = c(2,1))
# 为每个summary对象绘制标准化均值差的箱线图（which=1）
summaries %>% map(~plot(.x, which=1, main="标准化均值差对比"))
par(opar)

which参数的可选值：

• 1：标准化均值差的箱线图
• 2：倾向得分的密度对比图
• 3：倾向得分的QQ图

方案2：捕获每个模型的完整诊断图，再合并 #

如果你想保留每个模型的3张诊断图，将所有图合并到一个大图形中，可以用recordPlot()捕获每个模型的绘图，再用layout()或基础绘图参数排列：

library(tidyverse) 
library(MatchIt)
data("lalonde")

formula1 <- treat ~ age + educ + race + married + nodegree + re74 + re75
formula2 <- treat ~ age + educ + race + married + nodegree + re74 + re75
formulas <- list(formula1, formula2)

results <- formulas %>% map(~matchit(formula=.x, data=lalonde, method=NULL, distance="glm"))
summaries <- results %>% map(summary)

# 捕获每个模型的三张诊断图
plot_list <- map(summaries, function(s) {
  plot(s)
  # 捕获当前设备上的所有图形
  lapply(1:3, function(i) {
    p <- recordPlot()
    dev.off()
    p
  })
}) %>% flatten()

# 设置2行3列的布局（每个模型占一行，包含3张图）
opar <- par(no.readonly = TRUE)
par(mfrow = c(2,3))
# 逐个绘制捕获的图形
walk(plot_list, replayPlot)
par(opar)

内容的提问来源于stack exchange，提问作者PaulB