標題

PSM: 平衡和矯正混雜因素

image.png

image.png

• 慎重選擇：可能會造成選擇性偏倚。因為匹配后，貧血組和非貧血組都刪掉部分人。那些刪掉的人可能就是有心血管事件的人。
• 比較靠譜的方法是：想在原始數據上做個cox回歸，這是托底的方法。然后做psm方法，比較二者的差別。
  盡可能保證所有的實驗組都被匹配上。

收入re78是否同接受職業培訓有關

有兩種方法可以實現PSM

• 一個MatchIt包對照組和實驗組數量是1:1的。nonrandom包可以實現1:2,1:3甚至是1:4.
• 注意：能做PSM的一定要做COX回歸。在回歸的基礎上做PSM。
  下面是案例1的數據

案例1

第1種R包

## 1) MatchIt包
library(MatchIt)#基于logistic回歸建模的
data(lalonde)#自帶數據
#View(lalonde)
head(lalonde)
#因變量~協變量1+協變量2
f=matchit(treat~re74+re75+educ+black+hispan+age+married+nodegree,data=lalonde,
          method="nearest")#鄰近匹配，其不同于卡前值方式，很多指標不均衡。
#設定卡前值caliper=0.05就是你能接受的最大誤差，該方法更嚴苛
#f1=matchit(treat~re74+re75+educ+black+hispan+age+married+nodegree,data=lalonde,method="nearest",caliper=0.05)
summary(f)#match的數據結果
matchdata=match.data(f)#提取match的數據
matchdata

library(foreign)
matchdata$id<-1:nrow(matchdata)#這就是PSM方法挑出來的數據集，實驗組和對照組的數據實現均衡，可以通過卡方檢驗
write.dta(matchdata,"matchdata.dta")
write.csv(matchdata,"matchdata.csv")

第2種R包

案例2

## pscore {nonrandom}
install.packages("nonrandom")
#下載鏈接https://cran.r-project.org/src/contrib/Archive/nonrandom/
library(nonrandom)
## STU1
data(stu1)#自帶數據集
#View(stu1)
stu1.ps <- pscore(data = stu1, 
                  formula = therapie~tgr+age)#therapie分組變量，其余是因素
stu1.match <- ps.match(object = stu1.ps,
                       ratio  = 2,#1:2匹配，最多為1:1
                       caliper = 0.05,#
                       givenTmatchingC = FALSE,
                       matched.by = "pscore",
                       setseed = 38902,#每次設定一樣
                       combine.output=TRUE)
matchdata<- stu1.match$data.matched
matchdata#匹配完的數據

library(foreign)
matchdata$id<-1:nrow(matchdata)
write.dta(matchdata,"stu1matchdata.dta")#保存
write.csv(matchdata,"stu1matchdata.csv")

## STU1
data(stu1)
stu1.ps <- pscore(data = stu1, 
                  formula = therapie~tgr+age)
plot.pscore(x = stu1.ps,
            main = "PS distribution",
            xlab = "",
            par.1=list(col="red"),
            par.0=list(lwd=2),
            par.dens=list(kernel="gaussian"))

##pscore {nonrandom}
#這里同樣只是挑出有關數據集，后續計算可以自己設計