R语言使用ebal包ebalance做熵平衡后如何保留原始指定变量
熵平衡结果关联原始元数据的实现方案
核心逻辑
ebalance 返回对象中的co.xdata协变量矩阵、w匹配权重,仅对应原始样本内DEGREE_D=0的控制组观测,行顺序与筛选后的控制组原始行顺序完全对齐,无错位。只需先从原始数据中筛出控制组子集,提取需要保留的TICKER、sic2、ADOPT、year四个变量,与现有协变量、权重列横向拼接即可。
可直接运行的实现代码
- 适配现有dplyr流程的版本:
library(dplyr) # 沿用已有的熵平衡匹配输出 entropy_sample_out <- ebalance( Treatment = entropy_sample$DEGREE_D, X = entropy_sample[5:8] ) # 从原始数据提取控制组对应的目标元变量 control_meta <- entropy_sample %>% filter(DEGREE_D == 0) %>% select(TICKER, sic2, ADOPT, year) # 拼接生成完整的控制组匹配结果 final_controls <- as.data.frame(entropy_sample_out$co.xdata) %>% mutate(weight = entropy_sample_out$w) %>% bind_cols(control_meta)
- 无第三方包依赖的基础R版本:
# 定位控制组在原始数据中的行索引 control_row_idx <- which(entropy_sample$DEGREE_D == 0) # 提取对应元数据 control_meta <- entropy_sample[control_row_idx, c("TICKER", "sic2", "ADOPT", "year")] # 拼接所有字段 final_controls <- cbind( control_meta, entropy_sample_out$co.xdata, weight = entropy_sample_out$w )
避坑提示
- 禁止直接用原始全样本的四个变量与协变量、权重拼接:ebalance输出的行长度仅等于控制组观测数,与全样本长度不匹配,会触发维度不一致的报错
- 无需额外校准行顺序:ebalance内部处理时会保持控制组原始行的排序逻辑,输出的协变量、权重与筛选出的控制组行是一一对应的
内容的提问来源于stack exchange,提问作者Sharif
相关产品推荐
相关产品推荐

