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！
|
