倾向性评分火的不能再火,学习难度最低,使用人数最多的统计软件SPSS在22.0以上的版本,通过加载Python插件的方式,引入了1:1的匹配,虽然很好了,但是1:M始终是个缺憾。其实SPSS专门有个R插件,可以进行1:1和1:M,效果非常好,今天就给大家做期教程. 松哥统计制作了35期倾向性评分视频课程,感兴趣可以订阅,新课早鸟,优惠进行中! 这是倾向性评分的经典哪里,stata和R软件都采用这个案例进行演示。不过多解释,只要知道红色框是本次干预措施,绿色为协变量,黄色为结局变量即可。
图1案例数据
图3中A位倾向性评分匹配算法,B为变量放入框。C为卡钳值设定框,默认为0.2。 图4中,可以选择PS直方图,散点图,标准化差异直方图,标准化均数差异点图,个体差异线图。
图5A为匹配结果输出设置,可以成组式输出,也可以直接输出配对(配比)形式数据集,便于后续任性的分析。 图5B为均衡性检验统计表,有基础检验和详细检验2方式,不用说,详细更加嗨哦!
眼睛瞪大!眼睛瞪大!图6A处,就是设置1:M的哦!图6B处是选择从大到小,还是从小到大进行匹配的顺序的。 图7A告诉我们到底匹配了多少对。我们发现221-113,并不是2:1呀,是不是软件不靠谱呀!其实不是,答案是在给定的条件下,113个干预组只能找到221个对照。剩下的实在配不上。所以不能怪软件。怪松哥,找的这个案例不恰当,呵呵! 图7B:匹配效果检验,可是没有值,为啥?因为这个Hansen检验只能针对1:1做,人家原则性杠杠滴,所以这里就没检验了.图7结果(1)
图7 C:不平衡检验,关键看前后对比,本例匹配前为0.914,匹配后为0.814,只下降一点点,不好不好!(该值取值0-1,越接近0,效果越好!)图7D:既然效果不好,是那个因素再捣蛋呢?结果发现Propensity(咱们的评分)和married因素不好。他们的Std Mean Diff绝对值都大于0.25了。差评,差评! 重点看图8最后一列,After绝对值越小越好,你也可以发现,确实是Propensity和Married出格了!
图11重点看右边红色框中,上下两组的形状越趋于一致,说明匹配效果越好!左边绿色框为匹配前的直方图。 图12非常重要的一张Love Plot,发文章频频见到它!可以反映匹配前后均衡性改善情况!
图12 Love Plot 配对再好,也要输出匹配后结果的数据集,然后才可以对该数据集进行后续干预因素效果分析。SPSS数据的数据集再Stata和R中,最简单干净利索的!
图13输出的配对后的数据集
整理不易,欢迎点亮再看!
|