使用psmpy进行倾向得分匹配时有序变量的处理与检验疑问

一、ANOVA是否适用于该指标的组间比较？ #

不能。ANOVA的核心假设是变量为连续且等距，但你的分箱收入是有序分类变量：

• 编码（3、4等）仅代表收入等级的顺序，并非真实连续数值；且不同分箱的区间宽度不均（比如3对应$3999区间，4对应$8999区间），ANOVA会错误将这些编码视为等距连续值，得出的“匹配成功”结论不可靠。

二、更好的分箱收入纳入倾向得分匹配的方式 #

1. 以有序分类变量形式纳入模型 #

估计倾向得分时，不要把分箱收入当作连续变量，而是明确指定为有序分类类型（比如Python中用pd.Categorical(income_bin, ordered=True)，R中用factor(income_bin, ordered=TRUE)），选择有序logit或有序probit模型计算倾向得分。这种方式保留变量的有序性，避免假设类别间的等距关系，更贴合分箱收入的本质。

2. 虚拟变量编码后纳入 #

将每个收入分箱转换为虚拟变量（选取其中一个分箱作为参考组），把所有虚拟变量纳入倾向得分模型。这种方法无需假设类别间的顺序或等距，能让模型捕捉每个分箱对倾向得分的独特影响；缺点是分箱数量过多时会增加模型复杂度，需保证每个分箱样本量充足。

3. 优化分箱策略 #

若原分箱区间差异过大，可尝试重新划分更均匀的收入区间，或合并样本量较小的相邻分箱，减少类别数量的同时保证每个分箱的代表性，降低模型拟合难度。

三、匹配后均衡性检验的正确方法 #

放弃普通Pearson卡方检验，改用适合有序分类变量的方法：

• Cochran-Armitage趋势检验：专门针对有序分类变量，能利用变量的顺序信息，检测组间在收入等级上的趋势差异，比普通卡方更敏感，更准确反映组间是否均衡。
• 中位数差异检验：比较匹配后各组收入分箱的中位数，若各组中位数无显著差异，说明收入等级的中心位置已匹配。

内容的提问来源于stack exchange，提问作者Alison S