不同与 Complete Randomize 的研究方法， Fully Blocked 方法更加稳定。 Fully Blocked 引申出三种 可以用于 Observational Research 的 matching method. 利用Matching 可以找到隐藏在 Observational Research 中的 Randomized Experiment

0 Matching 的核心思想

• 创造出一种“距离”， 用来测量 control observation 和 treatment observation 的距离。
• 对近距离的 C-T 配对， 之后可以用来 Compare

以下三种方法，主要是在计算距离时方法不同。

1 Mahalanobis Distance Matching

• 使用 Mahalanobis 距离， 和欧式距离很像， 但是 指的是对值做一下标准化
• 有最长距离限制，超过最长距离的 maching 都会被 pruned 掉
• 没有配上对的 C, T全部扔掉
• 剩下的C-T 对就可以用来做分析

image.png image.png

2 Corasened Exact Matching

• 不计算距离，但是对连续的 Feature 进行bin， 被分在同一个 grid 中的CT 视为可以配对的observation。
• bin 的大小， 看实际需求， 可以调整bin 的大小。
• 没有配对的 C, T 会被丢掉。
• Compare 的时候， 不用bin， 还用原来的数值。 bin 只用来分组

image.png image.png

3 Propensity Score Matching

• 利用 Propensity Score 来计算距离
• 用不到， 匹配不上的 observation 全部丢弃
• 距离过大的 pair 丢弃
• 实际是把高维数据映射到1维
• 距离近C，T 以随机方式分组
• 是一个次优的matching
• 实际中最常用的 matching （可能是可以打破 high dimension curse）

image.png image.png

---

摘录自
https://www.youtube.com/watch?t=910&v=tvMyjDi4dyg&feature=youtu.be