📊 statistics

Examining the Efficacy of Coarsened Exact Matching as an Alternative to Propensity Score Matching

Dieses Paper argumentiert, dass Coarsened Exact Matching (CEM) keine überlegene Alternative zu Propensity Score Matching (PSM) darstellt, da es aufgrund seiner ungenauen Natur unter Restkonfundierung leidet, es versäumt, PSM bei der Reduzierung von Ungleichgewichten unter Berücksichtigung der zufälligen Variation zu übertreffen, und in hochdimensionalen Settings instabil sowie ineffizient wird, während PSM gegenüber Modellfehlspezifikationen robuster bleibt.

Ursprüngliche Autoren: Fei Wan

Veröffentlicht 2026-02-03

📖 6 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Fei Wan

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie versuchen herauszufinden, ob ein neues Medikament wirkt. Der Goldstandard ist eine randomisierte klinische Studie (RCT), bei der eine Münze geworfen wird, um zu entscheiden, wer das Medikament erhält und wer ein Placebo bekommt. Weil es zufällig geschieht, sind die beiden Gruppen perfekt ausbalanciert: Die Menschen, die das Medikament erhalten haben, sind im Durchschnitt genauso gesund, alt und wohlhabend wie diejenigen, die es nicht erhalten haben.

Aber in der realen Welt können wir oft keine Münzen werfen (das ist zu teuer oder unethisch). Deshalb nutzen wir Beobachtungsdaten (wie etwa Krankenhausakten). Hier kann die „Medikamentengruppe“ von vornherein kränker oder älter sein als die „Kontrollgruppe“. Dies nennt man Confounding (Störvariablen). Um dies zu beheben, nutzen Statistiker „Matching“-Techniken, um kranke Personen aus der Medikamentengruppe mit ähnlichen kranken Personen aus der Kontrollgruppe zu paaren, um so die perfekte Balance eines Münzwurfs zu rekonstruieren.

Lange Zeit war das Standardwerkzeug hierfür das Propensity Score Matching (PSM). Vor kurzem wurde ein neues Werkzeug namens Coarsened Exact Matching (CEM) sehr populär. Viele Forscher behaupteten, CEM sei die „überlegene“ Version von PSM.

Dieses Paper, geschrieben von Fei Wan, argumenttiert, dass CEM eigentlich nicht der Superheld ist, für den alle halten. Tatsächlich ist PSM in vielen Situationen das bessere, zuverlässigere Werkzeug.

Hier ist die Aufschlüsselung des Warum, unter Verwendung einfacher Analogien:

1. Das „unscharfe Foto“ vs. der „verschwommene Schnappschuss“

Die Behauptung: CEM wird oft als „Exaktes Matching“ bezeichnet, ist es aber nicht. Es ist eigentlich „Fuzzy Matching“ (unscharfes Matching).

Die Analogie: Stellen Sie sich vor, Sie versuchen, Menschen basierend auf ihrer Körpergröße abzugleichen.
- PSM ist wie das Aufnehmen eines hochauflösenden Fotos der Körpergröße aller Beteiligten und das Finden der Person, die der Zielgröße am nächsten kommt. Selbst wenn sie nicht exakt gleich groß sind, stellt die Mathematik sicher, dass, wenn man sich die gesamte Gruppe ansieht, die durchschnittliche Größe perfekt ausbalanciert ist. Jegliche kleine Unterschiede sind nur zufälliges Rauschen (wie eine leichte Unschärfe in einem Foto), das sich ausgleicht, wenn man genügend Menschen in der Studie hat.
- CEM ist wie das Einteilen von Menschen in Schubladen: „Klein“, „Mittel“ und „Groß“. Sie ordnen dann Menschen zu, die im selben Eimer sind.
- Das Problem: Innerhalb des „Mittel“-Eimers können Sie jemanden haben, der 1,68 m groß ist, und jemanden, der 1,78 m groß ist. Sie sind im selben Eimer, aber sie sind sehr unterschiedlich. Dies erzeugt einen systematischen Fehler (Residual Confounding), der nicht verschwindet, egal wie viele Menschen Sie der Studie hinzufügen. Es ist, als würde man versuchen, Äpfel mit Orangen zu vergleichen, nur weil beide im selben „Obstkorb“ liegen.

2. Der „Seiltanz“ der Komplexität

Die Behauptung: CEM bricht zusammen, wenn man zu viele Variablen hat (der „Fluch der Dimensionalität“).

Die Analogie: Stellen Sie sich vor, Sie versuchen, einen perfekten Zwilling für eine Person basierend auf 10 verschiedenen Merkmalen zu finden (Größe, Gewicht, Augenfarbe, Schuhgröße, Lieblingspizza usw.).
- CEM versucht, alle Menschen basierend auf all diesen 10 Merkmalen gleichzeitig in Boxen einzuteilen. Je mehr Merkmale Sie hinzufügen, desto spezifischer werden die Boxen, sodass die meisten von ihnen am Ende leer bleiben. Sie verlieren so viele Daten (Menschen, die in keine Box passen), dass Ihre Ergebnisse instabil und unzuverlässig werden. Es ist, als würde man versuchen, die Nadel im Heuhaufen zu finden, während der Heuhaufen ständig schrumpft, bis nichts mehr übrig ist.
- PSM versucht nicht, direkt auf alle 10 Merkmale zu matchen. Stattdessen berechnet es einen einzigen „Score“ (eine Zusammenfassung aller 10 Merkmale) und matcht Menschen basierend auf diesem Score. Dies vermeidet das Problem der leeren Boxen und hält die Daten stabil, selbst wenn man viele Variablen hat.

3. Das „Ratespiel“ (Modellabhängigkeit)

Die Behauptung: CEM zwingt Sie dazu, später perfekte Vermutungen über die Daten anzustellen, während PSM nachgiebiger ist.

Die Analogie:
- CEM ist wie ein Puzzle, bei dem Sie die Teile zusammenpressen, indem Sie sie abschleifen (vergröbern/coarsen), damit sie passen. Weil Sie sie abgeschliffen haben, passen die Teile nicht mehr perfekt zusammen. Um das richtige Bild zu erhalten, müssen Sie nun eine sehr komplexe, perfekte Formel verwenden, um die Lücken zu „reparieren“. Wenn Ihre Formel auch nur leicht falsch ist, ist das gesamte Bild ruiniert.
- PSM ist wie ein Puzzle, bei dem die Teile natürlich zusammenpassen. Selbst wenn Sie eine einfache, leicht unvollkommene Formel verwenden, um das Ergebnis zu betrachten, sieht das Bild immer noch weitgehend korrekt aus, weil die Teile von vornherein ausbalanciert waren. PSM ist „robust“, was bedeutet, dass es nicht so leicht zerbricht, wenn man einen kleinen Fehler in der Mathematik macht.

4. Das „Lineal“-Problem

Die Behauptung: Frühere Studien sagten, PSM sei schlecht darin, Gruppen auszubalancieren, weil sie das falsche Maß verwendet haben.

Die Analogie: Einige Forscher behaupteten, PSM würde scheitern, weil sie ein Lineal verwendeten, das nur die Distanz zwischen Menschen maß, aber die Richtung ignorierte.
- Der Autor argumentiert, dass in PSM, wenn eine Person etwas größer und eine andere etwas kleiner ist, diese zufälligen Unterschiede sich gegenseitig aufheben.
- Die alten Messwerkzeuge (wie die Mahalanobis-Distanz) behandelten diese zufälligen Auf- und Abbewegungen als „Fehler“, die immer schlimmer wurden.
- Der Autor schlägt einen neuen Weg der Messung vor (Standardisierte Mittelwertdifferenzen), der diese zufälligen Auf- und Abbewegungen berücksichtigt. Wenn man dieses neue Lineal verwendet, sieht PSM viel besser darin aus, Gruppen auszubalancieren, als CEM.

Das Fazit

Das Paper kommt zu dem Schluss, dass CEM kein Allheilmittel ist.

Wenn Sie eine geringe Anzahl an Variablen haben, funktioniert CEM vielleicht ganz gut, aber es hat immer noch versteckte Mängel.
Wenn Sie viele Variablen haben (was in der realen Welt üblich ist), führt CEM dazu, dass Sie zu viele Daten verlieren und systematische Fehler einführen, die schwer zu korrigieren sind.
PSM bleibt die robustere, zuverlässigere Wahl, weil es besser mit Zufälligkeit umgeht, weniger perfekte Mathematik erfordert, um ein gutes Ergebnis zu erzielen, und nicht so viele Daten wegwirft.

Der Autor warnt, dass viele Ärzte und Forscher CEM verwendet haben, in dem Glauben, es sei die „exakte“ Lösung, obwohl es eigentlich eine „ungenaue“ Abkürzung ist, die zu verzerrten Ergebnissen führen kann, wenn sie nicht mit äußerster Sorgfalt gehandhabt wird.

Technisches Resümee: Untersuchung der Wirksamkeit von Coarsened Exact Matching als Alternative zu Propensity Score Matching

1. Problemstellung

Coarsened Exact Matching (CEM) wird in der Forschung zur vergleichenden Wirksamkeit häufig als überlegene Alternative zu Propensity Score Matching (PSM) beworben, um Kovariaten-Imbalancen, Modellabhängigkeit und statistische Verzerrungen (Bias) zu adressieren. Befürworter argumentieren, dass CEM gegenüber PSM überlegen ist, da es das „PSM-Paradoxon“ reduziert, bei dem behauptet wird, dass PSM die Imbalance und die Modellabhängigkeit erhöht, wenn es sich durch das Aussortieren schlecht passender Paare einem exakten Matching annähert.

Dieses Paper argumentiert jedoch, dass die Empfehlung, PSM durch CEM zu ersetzen, unsicher und potenziell fehlerhaft ist, was auf drei primäre Probleme zurückzuführen ist:

Fehlcharakterisierung der Exaktheit: CEM wird oft fälschlicherweise als „exaktes Matching“ bezeichnet. In Wirklichkeit basiert es auf vergröberten (coarsened) Variablen (binären kontinuierlichen oder gruppierten kategorialen Daten), nicht auf den Originalvariablen. Diese inhärente Inexaktheit führt zu einer systematischen residuellen Konfundierung, die auch mit zunehmender Stichprobengröße nicht verschwindet.
Fehlinterpretation von Imbalance-Metriken: Vorangegangene Studien, die behaupten, CEM übertreffe PSM bei der Reduzierung der Imbalance, nutzen oft Metriken wie die Mahalanobis-Distanz. Diese Metriken versäumen es, zwischen systematischer Imbalance und zufälliger Variation (Zufalls-Imbalance) zu unterscheiden. Bei PSM entstehen Unterschiede zwischen Kovariaten in gematchten Paaren mit identischen Propensity Scores durch Zufall und neigen dazu, sich mit zunehmender Stichprobengröße auszugleichen; die Imbalance bei CEM hingegen ist strukturell und persistent.
Modellabhängigkeit und Dimensionalität: Da CEM eine residuele Konfundierung hinterlässt, erfordert eine unverzerrte Schätzung eine genaue post-matching Regression des Outcome-Konfounder-Zusammenhangs. Dies erhöht die Anfälligkeit für Modellmisspezifikation. Darüber hinaus leidet CEM unter dem „Fluch der Dimensionalität“, wenn nach vielen Kovariaten gematcht wird, was zu erheblichen Datenverlusten führt, sofern nicht aggressives Vergröbern angewendet wird, was wiederum die residuele Konfundierung verstärkt.

2. Methodik

Theoretischer Rahmen und Annahmen

Die Studie operiert unter den Standardannahmen der kausalen Inferenz: Stable Unit Treatment Value Assumption (SUTVA), Conditional Ignorability (Unconfoundedness), Positivity und ein lineares (oder Interaktions-) Outcome-Modell.

PSM: Nutzt den Propensity Score $e(X) = P(W=1|X)$ , der die Eigenschaft des Balancing Score ( $W \perp\!\!\perp X | e(X)$ ) und Strong Ignorability besitzt. Das Paper postuliert, dass in einem exakt gematchten PSM-Design Zufalls-Imbalancen in den Kovariaten keine Verzerrung einführen und eine unverzerrte Schätzung mittels einfacher Differenz der Mittelwerte ohne Outcome-Modellierung erreicht werden kann.
CEM: Beinhaltet einen Schritt der „Vergröberung“ (Coarsening), bei dem kontinuierliche Variablen gebinnt und kategoriale Variablen gruppiert werden, um einen niedrigdimensionalen Vektor $C$ zu erstellen. Das Matching erfolgt auf exakten Werten von $C$ . Entscheidend ist, dass $C$ kein hinreichender Statistiker für $X$ hinsichtlich der Behandlung zuweisungs ist, was bedeutet: $W \not\perp\!\!\perp X | C$ . Dies resultiert in einer systematischen Within-Stratum-Imbalance ( $\delta_c \neq 0$ ), die unabhängig von der Stichprobengröße bestehen bleibt.

Vorgeschlagene Metriken

Das Paper kritisiert bestehende Imbalance-Metriken (z. B. Mahalanobis-Distanz, $L_1$ -Metriken) dafür, dass sie die Richtung von Zufalls-Imbalancen ignorieren, was verhindert, dass diese in Simulationsstudien gegen Null konvergieren.

Neue Metrik: Die Autoren schlagen eine multivariate Imbalance-Metrik vor, die auf der Standardisierten Mitteldifferenz (SMD) basiert. Diese Metrik summiert die absoluten Werte der gemittelten SMDs über simulierte Stichproben hinweg und ist speziell darauf ausgelegt, systematische Imbalance (die von Null abweicht) von zufälliger Chance-Imbalance (die gegen Null konvergiert) zu unterscheiden.

Simulationsdesign

Die Studie verwendet eine umfassende Simulationsstudie, die CEM (unter Verwendung von „Auto“-Vergröberung via Sturges-Regel und „G3“-Vergröberung in drei Gruppen) gegen PSM (Nearest-Neighbor-Matching mit einem 0,2-Caliper) vergleicht.

Szenarien:
- Homogene vs. heterogene Behandlungseffekte: Evaluierung der Performance unter konstanten und variierenden Behandlungseffekten.
- Modellspezifikation: Test der Performance unter korrekt spezifizierten und misspezifizierten Outcome-Modellen (einschließlich Nichtlinearitäten und Interaktionen).
- Dimensionalität: Variation der Anzahl der Konfounder ( $p=2, 5, 7$ ), um den Fluch der Dimensionalität zu untersuchen.
- Behandlungsprävalenz: Untersuchung niedriger (~~10 %) vs. hoher (~~30 %) Behandlungsraten, um den Bias bei der Schätzung des Average Treatment Effect on the Treated (PATT) zu prüfen.
Analyse: Die Studie evaluiert Bias, Varianz und den mittleren quadratischen Fehler (MSE) sowohl unter Verwendung unadjustierter Analysen (Differenz der Mittelwerte) als auch adjustierter Analysen (Regression mit linearen Termen).

3. Zentrale Beiträge und Ergebnisse

1. Systematische vs. zufällige Imbalance

Befund: Bei PSM ist die Kovariaten-Imbalance zwischen gematchten Paaren zufällig und konvergiert mit steigender Anzahl der Paare gegen Null. Bei CEM ist die Imbalance systematisch und durch den Vergröberungsprozess getrieben; sie verringert sich nicht mit größeren Stichproben.
Ergebnis: Unadjustierte Analysen (einfache Mittelwertdifferenzen) sind unter PSM wesentlich weniger verzerrt als unter CEM. CEM erfordert eine Post-Matching-Regressionsanpassung, um die residuele Konfundierung zu mildern, während PSM unter der Eigenschaft des Balancing Scores keine strikte Modellierung des Outcomes für eine unverzerrte Schätzung benötigt.

2. Modellabhängigkeit und Misspezifikation

Befund: Die Abhängigkeit von CEM von vergröberten Variablen bedeutet, dass eine unverzerrte Schätzung von der korrekten Modellierung der Beziehung zwischen dem Outcome und den Original-Konfoundern abhängt.
Ergebnis: Wenn das Outcome-Modell misspezifiziert ist, liefert CEM eine signifikant höhere Verzerrung als PSM. Das Paper liefert eine theoretische Proposition (Proposition 1), die zeigt, dass in einem exakt gematchten PSM-Design eine Klasse misspezifizierter linearer Modelle (die nicht-lineare Terme oder Interaktionen weglassen) dennoch asymptotisch unverzerrte ATT-Schätzungen liefern kann. Im Gegensatz dazu bleibt CEM aufgrund seiner strukturellen residuellen Konfundierung hochgradig sensitiv gegenüber Modellmisspezifikation.

3. Der Fluch der Dimensionalität und Vergröberungs-Trade-offs

Befund: Mit zunehmender Anzahl an Kovariaten leidet CEM bei feiner Vergröberung (z. B. „Auto“) unter schwerem Datenverlust (Sparsity-Bias), was zu instabilen Schätzungen führt.
Ergebnis: Eine Erhöhung des Vergröberungsgrades (z. B. „G3“) mildert den Datenverlust ab, führt jedoch zu größerer residueller Konfundierung und Modellabhängigkeit. Folglich schneidet CEM in hochdimensionalen Settings schlechter ab als PSM in Bezug auf Bias, Varianz und MSE, insbesondere wenn das Outcome-Modell misspezifiziert ist.

4. Heterogene Behandlungseffekte

Befund: Die beobachteten Muster für homogene Effekte setzen sich unter heterogenen Behandlungseffekten fort.
Ergebnis: PSM zeigt konsistent geringere Verzerrungen und Varianzen als CEM, insbesondere wenn die Behandlungsprävalenz hoch und das Outcome-Modell misspezifiziert ist. Analytische Estimator unter PSM übertreffen modellbasierte Estimator unter CEM bei Misspezifikation.

4. Bedeutung und Behauptungen

Das Paper kommt zu dem Schluss, dass CEM keine lebensfähige Alternative zu PSM ist, wenn auf eine große Anzahl von Kovariaten gematcht wird.

Korrektur von Missverständnissen: Die Studie stellt die gängige Ansicht in der klinischen Literatur in Frage, wonach CEM ein vollständig blockiertes randomisiertes Experiment imitiert oder PSM bei der Reduzierung von Imbalance und Modellabhängigkeit überlegen ist. Sie stellt klar, dass CEM eine inexakte Matching-Methode ist, die strukturellen Bias einführt.
Methodische Orientierung: Die Autoren argumentieren, dass Behauptungen über die Überlegenheit von CEM oft auf der Verwendung ungeeigneter Imbalance-Metriken (wie der Mahalanis-Distanz) beruhen, die die Chance-Variation nicht berücksichtigen. Bei Evaluierung mit geeigneten SMD-basierten Metriken demonstriert PSM eine überlegene Kovariaten-Balance.
Robustheit: PSM erweist sich als robuster gegenüber Modellmisspezifikation. Während CEM die Modellabhängigkeit im Vergleich zu unadjustierten Daten reduziert, bleibt es stärker von einer korrekten Outcome-Modellierung abhängig als PSM.
Limitierungen: Das Paper räumt ein, dass PSM kein Allheilmittel ist; es kann ungemessene Konfundierung nicht adressieren und hängt von der korrekten Spezifikation des Propensity-Score-Modells ab. Dennoch bietet PSM im Rahmen der beobachteten Konfounder ein robusteres Framework zur Reduzierung von Bias und Modellabhängigkeit als CEM, insbesondere in hochdimensionalen Settings.

Die Studie plädiert für eine Neubewertung der Rolle von CEM in der Beobachtungsforschung und legt nahe, dass dessen theoretische Vorteile oft durch praktische Einschränkungen im Zusammenhang mit residueller Konfundierung und dem Fluch der Dimensionalität zunichtegemacht werden.