匹配抽樣(matched sampling)是一種在觀察研究(observational studies) 中組織
和分析資料的方法，其施行程序主要是就處理母體(treatment group) 與控制母體
(control group) 中所觀察到的樣本，以設定的匹配方法，分別於其中選出背景條
件相近的子樣本，作為統計分析的依據，其目的是為減少了統計分析結果的偏差
(bias)。常用的匹配抽樣法，可分為單變量的測徑匹配法(caliper-matching)、平
均值匹配法(mean-matching)、成雙匹配法(pair-matching)，以及多變量的測徑匹
配法(caliper-matching)、高維度測度匹配法(metric-matching) 、判別匹配法
(discriminantmatching)和傾向值匹配法(propensity-matching) 等。研究者為了
使得分析結果之偏差可能地再減少，試著將迴歸方法引進來，發展出匹配抽樣配合
迴歸調整的方法，在某些情況下，對偏差之減少頗有幫助。本文乃就匹配抽樣的概
念和常用的方法作一整理，進而討論線性迴歸調整的一些性質，我們試著推廣到二
次多項式迴歸調整來處理非線性反應面的情形，並導出一些結果，在假設反應面為
二次多項式的情況下，我們比較了匹配抽樣後使用線性迴歸與二次多項式迴歸調整
的效果，最後對於匹配抽樣後結合迴歸調整在使用上提供一些建議。
|