目录
倾向性评分(propensity score)
The propensity score was defined by Rosenbaum and Rubin (1983a) to be the probability of treatment assignment conditional on observed baseline covariates.
e i = P r ( Z i = 1 ∣ X i ) e_i= Pr(Z_i=1|X_i) ei=Pr(Zi=1∣Xi)
- 倾向性评分是指在一组协变量条件下( X i X_i Xi),对象 i 接受 treatment ( Z i = 1 Z_i=1 Zi=1) 的概率值。
- 在相似的 PS 下,treatment 和 control 基线资料的分布应该是平衡的
计算倾向性评分
- PS 在随机试验和观察性研究中都是存在的,只是在随机实验中,根据试验的设计PS是已知的。
- 在观察性研究中,真实的PS通常是未知的,但可以用观察数据进行估计。最常用估计ps的是 logistic 回归模型,也有类似 gbm,random forests, neural network 之类的方法。
以 logistic 回归模型为例计算ps, 拟合一个 treatment 和影响 treatment的协变量的模型
ps=glm(treat~age+educ+nodegree+re74+re75,data=lalonde,family=binomial()) ##建立模型
lalonde$psvalue=predict(ps,type="response") #计算propensity score
其他方法同理。
倾向性评分分析方法
倾向性评分匹配 matcing
倾向性评分分层 stratification/subclassification
倾向性评分加权 inverse probability of treatment weighting(IPTW)
计算 weight.ATE
治
疗
组
:
ω
=
1
e
i
.
治疗组:\omega =\frac{1}{e_i}.
治疗组:ω=ei1.
对
照
组
:
ω
=
1
1
−
e
i
.
对照组:\omega =\frac{1}{1-e_i}.
对照组:ω=1−ei1.
使用 weight 进行加权回归分析
lalonde$weight.ATE = ifelse(lalonde$treat==1,1/lalonde$psvalue,1/(1-lalonde$psvalue))
model.ATE=lm(re78~treat+black+hispan+married,data=lalonde,weights=(weight.ATE))
summary(model.ATE)
附 weight.ATT
治
疗
组
:
ω
=
1.
治疗组:\omega =1.
治疗组:ω=1.
对
照
组
:
ω
=
e
i
1
−
e
i
.
对照组:\omega =\frac{e_i}{1-e_i}.
对照组:ω=1−eiei.
附 weight.ATC
治
疗
组
:
ω
=
.
1
−
e
i
e
i
治疗组:\omega =.\frac{1-e_i}{e_i}
治疗组:ω=.ei1−ei
对
照
组
:
ω
=
1.
对照组:\omega =1.
对照组:ω=1.
倾向性评分校正 covariate adjustment
ATE, ATT, ATC
ATE (Average Treatment Effect): 最终匹配的干预组和控制组在因变量上的平均差异
ATT (Average Treatment Effect on the treated):实验组样本接触到干预后,对干预产生的反应
ATC (Average Treatment Effect on the control):对照组样本接触到干预后,对于干预产生的反应