如何在R语言的matchit()中指定匹配样本量？

我明白你的需求——手里有120个处理组和147个对照组，想通过MatchIt得到各100个在年龄、性别、BMI上匹配的样本，但MatchIt默认只会匹配到两组中较小的样本量（也就是120个处理+120个对照），而且确实没有直接指定目标样本量的参数。不过我们可以通过两步操作轻松实现你的要求，思路是先从样本量较多的处理组中抽取100个，再用这100个去匹配对照组的100个样本。

具体步骤和代码示例 #

假设你的数据框名为df，分组变量是treat（1代表处理组，0代表对照组），匹配变量是age、sex和BMI：

1. 加载所需包
   我们需要用dplyr来抽样，MatchIt来做匹配：

   library(MatchIt)
   library(dplyr)
   

2. 从处理组中随机抽取100个样本
   因为处理组有120个，足够抽取100个。记得设置随机种子保证结果可重复：

   set.seed(123) # 可替换成任意数字，确保结果一致
   treated_subset <- df %>%
     filter(treat == 1) %>%
     slice_sample(n = 100) # 随机抽取100个处理组样本
   

3. 合并抽样后的处理组和全部对照组
   构建新的数据集用于匹配：

   matching_data <- bind_rows(treated_subset, df %>% filter(treat == 0))
   

4. 执行匹配
   使用matchit()函数，指定匹配变量和ratio=1（每个处理组样本匹配1个对照组样本），这里用最常用的最近邻匹配，你也可以换成卡钳匹配、马氏距离匹配等：

   match_result <- matchit(treat ~ age + sex + BMI,
                           data = matching_data,
                           method = "nearest", # 匹配方法，按需调整
                           ratio = 1)
   

5. 获取匹配后的数据集
   用match.data()提取最终匹配好的样本，里面就会有100个处理组和100个对照组：

   matched_df <- match.data(match_result)
   

额外提示 #

• 如果担心随机抽样处理组会导致特征分布偏差，可以改成分层抽样，比如按性别、年龄组分层后再抽，确保抽样后的处理组和原处理组特征更一致：

  set.seed(123)
  treated_subset <- df %>%
    filter(treat == 1) %>%
    group_by(sex, cut(age, breaks = 3)) %>% # 按性别和年龄三分层
    slice_sample(prop = 100/120) %>% # 按比例抽样
    ungroup() %>%
    slice_sample(n = 100) # 确保最终是100个
  

• 匹配完成后可以用summary(match_result)查看匹配效果，确认年龄、性别、BMI在两组间的平衡情况。

内容的提问来源于stack exchange，提问作者Bart