倾向性评分那些事

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.

$$e_i=Pr(Z_i=1|X_i)$$

• 倾向性评分是指在一组协变量条件下($X_i$)，对象 i 接受 treatment ($Z_i=1$) 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

$$治疗组:\omega =\frac{1}{e_i}.$$
$$对照组:\omega =\frac{1}{1-e_i}.$$

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
$$治疗组:\omega =1.$$
$$对照组:\omega =\frac{e_i}{1-e_i}.$$

附 weight.ATC
$$治疗组:\omega =.\frac{1-e_i}{e_i}$$
$$对照组:\omega =1.$$

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