<精確配對(Exact match)>
精確配對指的是指定治療組(treated)與對照組(untreated)的某個變項的分配(或比例)要一模一樣,通常都是類別變項(Categorical variable),最常見的就是性別,亦即指定男性必須配男性,女性就配女性。R與NCSS的傾向分數配對的操作介面皆有提供精確配對的選項,但是SAS卻沒有,而是要透過自己修改Macro(巨集)加以指定對某些變項精確配對。
<精確配對(Exact match)>
精確配對指的是指定治療組(treated)與對照組(untreated)的某個變項的分配(或比例)要一模一樣,通常都是類別變項(Categorical variable),最常見的就是性別,亦即指定男性必須配男性,女性就配女性。R與NCSS的傾向分數配對的操作介面皆有提供精確配對的選項,但是SAS卻沒有,而是要透過自己修改Macro(巨集)加以指定對某些變項精確配對。
在非隨機分派的觀察型研究中(Non-randomized observational study),如果欲比較介入或處置的效果(Treatment),在研究上的最大威脅就是選擇性偏差(Selection bias)的問題。對此,傾向分數配對(Propensity score matching)已被證實是最有效的工具,並且已經廣為使用。
本篇文章並未嘗試介紹傾向分數的原理與使用方式,而是在介紹目前較受歡迎的幾個統計軟體之間的比較。若對於傾向分數想要深入認識者,可參考以下兩篇論文。其中Rosenbaum(1983)年的論文是經典文獻,在Google scholar上的引用次數已經超過14,000次;而d’Agostino(1998)則是一步一步教學且實務理論兼顧的教學文章。
當比較不同群體在分數上的差異性時,一般都會採用獨立樣本t檢定或單因子變異數分析,因此在統計表格中,這兩種統計方法所呈現的結果非常相似,僅差在單因子變異數分析達顯著時,必須進行事後比較,事後比較又以Scheffé法最常使用。
為配合SPSS軟體的設定,本系統在此部分的表格製作與SPSS報表輸出檔較為接近,而表格內只會有一個分組變項(俗稱自變項),另外同時會針對多個檢定變項(俗稱依變項)進行分析,這種表格呈現方式是社會科學領域較常見的格式。因此使用該系統進行分析時,請使用者配合各自的需求進行調整。
在商業調查中,比較常見的資料型態其實是分類資料,如職業別、地域別、消費行為別等,相對於五點量表型資料而言,分類資料其實更容易解讀、歸納並推廣結論。
一般我們對於分類型資料常用的是交叉分析,即二維表格,可能直欄為消費行為,橫列為背景資料,然後加上卡方檢定,判斷二者是否有關聯。不過,這種方式有以下缺點: