倾向得分分析---临床研究中的利器（SPSS操作演示）

2015-06-01 MedSci MedSci原创

关于因果分析的四种前沿统计方法:样本选择模型，倾向值匹配(Propensity Score Matching， PSM)方法，匹配估计量，基于内核的匹配法。随机对照实验(RCT)有很多限制，如费用、伦理学要求、操作困难、不适合发病率很低的疾病；非随机对照实验(RCT)可以避免以上繁杂的问题，但容易组间基线不齐，使之成为处理效应的混杂因素，从而产生偏倚。解决方法一般是使用多变量分析模

关于因果分析的四种前沿统计方法:样本选择模型，倾向值匹配(Propensity Score Matching， PSM)方法，匹配估计量，基于内核的匹配法。随机对照实验(RCT)有很多限制，如费用、伦理学要求、操作困难、不适合发病率很低的疾病；非随机对照实验(RCT)可以避免以上繁杂的问题，但容易组间基线不齐，使之成为处理效应的混杂因素，从而产生偏倚。解决方法一般是使用多变量分析模型、M-H分层分析、协变量分析等。但上述方法在混杂因素较多（多维）的情况下难以发挥作用。这时候可以考虑把多个变量转变为一个中间变量，不再关注每个需要控制的混杂因素的具体取值，转而关注将这些变量纳入Logistic回归方程后预测出来的倾向值。只要保证倾向值匹配，这些所有需要控制的混杂因素就都考虑到了。什么是PSM？倾向评分匹配（Propensity Score Matching，简称PSM）是一种统计学方法，常用于处理观察研究（Observational Study）的数据。在观察研究中，由于种种原因，数据偏差（bias）和混杂变量（confounding variable）较多，倾向评分匹配的方法正是为

作者：MedSci

版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言