マッチング (統計学)

マッチング手法の概要

マッチングとは、処置群とコントロール群（非処置群）を比較することで、処置の効果を評価するために使用される統計的手法です。この手法は特に、無作為に様々な要因を割り当てられていない観察研究や準実験において重要な役割を果たします。マッチングの目的は、処置群の被験者に対して、コントロール群から類似の特性を持つ被験者を見つけ出し、できるだけバイアスを減らして公正な比較を行うことです。

マッチングの手法と効果

具体的には、処置群の各被験者に対応するコントロール群の被験者を1人以上見つけることで、両者の結果を比較可能にします。この競合的な比較により、処置効果の推定の精度を高め、交絡要因による偏りを抑えることが可能です。初期のマッチング手法の一つである傾向スコア・マッチングは、ルービン因果モデルの一部として考案されましたが、後にモデル依存性やバイアス、非効率性が指摘され、他のマッチング方法に比べてその使用が控えられるようになりました。

マッチングは、特に経済学においても多くの研究者によって推進されており、ドナルド・ルービンがその中心人物として知られています。例えば、LaLondeは実験に基づく処置効果の推定値をマッチング法で得られた推定値と比較し、バイアスの存在を指摘しました。この批評はその後、DehejiaとWahbaによって再検討され、マッチング手法が有効な解決策であることが示されました。このように、マッチング手法は経済学だけでなく、政治学や社会学の研究でも注目されています。

アウトカムの分析方法

マッチングデータを分析する際、アウトカムが2値変数である場合には、条件付きロジスティック回帰がよく使用されます。また、場合によっては対応のある差の検定やマクネマー検定、コクラン-マンテル-ヘンツェル検定などの比較的単純な検定手法を適用することもあります。アウトカムが連続変数の場合には、平均処置効果を推定することが一般的です。さらに、マッチングは回帰分析等、他の統計手法での分析を行う際の「前処理」として利用されることもあります。

オーバーマッチングの概念

ただし、マッチングには注意が必要で、過度なマッチング、すなわちオーバーマッチングが生じることがあります。オーバーマッチングは、処置の影響を受け、さらにその結果がアウトカムに影響を与える中間因子をもとにマッチングを行った結果、処置の影響があいまいになる現象です。たとえば、体外受精（IVF）の処置が周産期死亡率や出生時体重と関連する際、妊娠期間や胎児数といった中間因子でマッチングを行うことで、体外受精による影響が隠れてしまうことが考えられます。

このように、中間因子を考慮したマッチングは、処置とアウトカムの関連性を不明確にすることがあるため、バイアスを引き起こす要因として研究において十分な注意を喚起する必要があります。科学的な研究の外的妥当性を損なうサンプリングバイアスと見なされることがあるため、慎重な解析が求められます。

参考項目と文献

最後に、更なる理解を深めるために、関連する文献や項目として「傾向スコア・マッチング」が挙げられます。興味のある方は、以下に挙げる文献もご参照ください。

• - Angrist, Joshua D.; Pischke, Jörn-Steffen (2009). “Regression Meets Matching”. _Mostly Harmless Econometrics: An Empiricist's Companion_. Princeton University Press.

もう一度検索