贝叶斯倾向性评分在R软件中的实现

作者：杜春霖; 李宓儿; 王菊; 李晓松; 刘元元

来源：中国卫生统计, 2019, 36(06): 934-937.

• 协变量
• 处理效应
• 后验分布
• 结局变量
• 倾向性评分
• 先验信息

<正>常规的混杂因素校正方法包括分层、匹配或回归分析,但当混杂因素较多时,均不再适用。倾向性评分(propensity score,PS)是解决此类问题的有效工具,它将个体所有协变量信息综合为接受某种处理的条件概率,再利用此概率对样本进行匹配、分层或加权等,可达到"事后随机化"的效果[1]。2000年Imbens等人定义了广义倾向性评分(generalized propensity score,GPS),将传统的PS理论扩展到处理因素为多分类及连续型变量的情形[2-3]。

• 单位
  四川大学; 公共卫生学院