匹配MatchIt的精确匹配
正如我当时所指出的，“因果推理的铂金设计是将受试者随机分配到不同治疗组的实验。通过随机化，不受控制或混杂的因素（Z's）的影响应在抽样限制内是“相等的”或在X的各个处理或X值之间达到“平衡”。在这种“受控” Z的设置中，分析人员更有信心X和Y之间的相关性实际上表示因果关系。
但是，在DS世界中通常看到的现场数据收集方案又如何呢？在DS领域中，数据是可观察的，混杂因素可以自由漫游？该怎么办？答案是：考虑因果推断技术，试图从统计学上模拟随机实验。”
在该博客中，我介绍了美国社区调查的数据。数据集构造的详细信息可以在此处找到。  
我想用该数据解决的问题是，如果持有个人拥有终极硕士学位与个人拥有终极本科学士学位，那么任何收入差异会如何？由于我们无法进行将人口随机分配给硕士或学士学位“治疗”的实验，因此考虑使用CI等技术是很有意义的，例如进行匹配，以了解是否可以从中解开教育“治疗”的效果。不受控制的协变量/混杂因素，例如年龄，性别，婚姻状况和种族，在不同的教育群体之间可能有所不同。
我部署的技术是使用倾向模型的结果进行的最近邻匹配，该模型详细说明了“治疗”是否/如何与混杂因素共变。结果表明，如果包括所有有影响力的混杂因素（一个关键的假设），那么两个教育水平之间的收入确实存在着有意义的差异。此外，当应用匹配调整时，收入差异较小，但仍显着。考虑到硕士学位的案例年龄较大且更有可能结婚，因此这种减少是有道理的。这些指标与自己的收入呈正相关。
尽管我对结果非常满意，但对所选技术的计算强度却不太满意。针对超过0.5M个合适的记录中的250
我还发现了哈佛教授加里·金（Gary King）等人对倾向模型驱动的匹配的批评，他是因果推理的开拓者，也是流行的R CI软件包MatchIt的作者。  
结果，我决定进行此分析，以便对整个.5M +数据文件进行“完全匹配”。em是一种更简单且在计算上更有益的技术，它仅涉及类似于SQL的基本争用。事实证明，em可以很好地处理此数据，并在30秒内完成对整个文件的计算。代码和结果在下面详细说明。
分析中使用的技术是具有Microsoft Open R 3.4.4的JupyterLab。为了进行匹配，将部署MatchIt，tableone和data.table程序包。
1