使用MatchIt实现倾向得分分位数匹配同时精确匹配可行吗？

可以在使用method = "subclass"（倾向得分分位数匹配）时同时执行精确匹配，MatchIt完全支持这种组合操作：程序会先按exact参数指定的变量完成精确分组，再在每个精确分组内部基于倾向得分进行分位数匹配，既满足精确匹配要求，又能优化倾向得分的平衡性。

基于你提供的代码，修改后的实现如下：

matches <- matchit(
    # 倾向得分估计公式保持不变
    y ~ x1 + x2 + x3 + x4 + x5
    
    , method = "subclass" # 切换为分位数匹配
    , subclass = 100      # 指定倾向得分子类数量
    , distance = "glm"    # 倾向得分仍用logit模型估计
    
    # 精确匹配参数完全保留，不受匹配方法变更影响
    , exact = ~ x3 + x4 + x6
    
    , data = df
    , s.weights = ~ sampling_weights 
)

补充说明 #

• 执行逻辑：先将样本按x3、x4、x6的组合精确拆分，每个子组内再把处理组和控制组按倾向得分分入100个子类，确保同一子类内倾向得分分布更集中，解决你遇到的倾向得分平衡性不佳问题。
• 平衡性验证：可继续用summary(matches)或bal.tab(matches)查看结果，重点关注倾向得分在各子类间及子类内的分布差异。

内容的提问来源于stack exchange，提问作者shiny_boson