年齡、性別和國籍被視為匹配的混雜因素。當按國籍配對時，我是否理解正確，它會匹配來自相似國家的人？非常感謝您的合作。
您能否提供更多有關您的數據的資訊？也許是資料的樣本或匿名樣本？這將幫助我們更好地回答您的問題。
你好。
我叫小野，是 SAS Institute Japan 的 JMP 日本分會的高級測試員。
我可能誤解了你的問題，但是：<在傾向得分匹配中，當國籍，性別和年齡作為解釋變量納入邏輯模型來計算傾向得分時，傾向得分匹配的配對是否與“相似國籍”的人相匹配？ > 針對這個問題，我的個人看法如下：
俗話說“統計學家的集合名詞是‘吵架’”，我相信統計學上有很多不同的思維方式，所以下面只是其中一種思維方式。
傾向分數配對主要配對具有相似傾向分數的配對。因此，具有相似混雜因素（協變數）的對不一定配對。傾向分數配對的這項特點經常受到強烈批評。關於傾向分數配對的著名批判性論文包括：
加里·金和理查德·尼爾森。 2019.「為什麼不應該使用傾向評分進行配對。」政治分析，27，4，頁。 435-454。發行版副本位於https://tinyurl.com/y5b5yjxo
要理解這種批評的主旨，請考慮：如果在完全隨機對照試驗中進行傾向分數配對會發生什麼？我認為最好想像以下內容。在完全隨機對照試驗中，所有傾向評分均為 0.5，因此可以接受與任何患者配對。因此，一名 60 歲的日本男性可能會與一名 30 歲的墨西哥女性配對（因為兩者的傾向得分均為 0.5）。即使沒有這麼極端，如果一個60歲的日本男人和一個30歲的墨西哥女人的傾向分數值相似，那麼就可以用傾向分數配對法來配對他們。
我認為日文翻譯中的「因果推理是什麼？」的假設例子Rosenbaum，PR（由高田裕也和高橋浩二翻譯）第 49-53 頁也將幫助您直觀地了解傾向得分匹配的作用。
如果混雜因素（協變數）相同，傾向分數也會相同。然而，反之則不然；即使傾向得分相同，混雜因素（協變數）也不會相同。 （從技術角度來說，傾向分數（及其單調變換形式）被認為是最粗略的平衡分數。）
即使透過使用以國籍、性別和年齡為解釋變量的邏輯回歸模型獲得傾向得分來進行傾向得分匹配，也不一定能與「相似的國家」相匹配（例如，飲食習慣相似的國家、醫療實踐相似的國家、保險制度相似的國家、伴隨用藥相似的國家、年齡結構相似的國家等）。事實上，一名60歲的日本男子可能與一名30歲的墨西哥女子相配。
如果以上答案無法解答您的問題，請告知我們。
