倾向得分匹配中的自变量匹配原则

摘要

倾向得分匹配(Propensity Score Matching,PSM)成为近年来关注的焦点,广泛应用于各类临床研究,尤其是真实世界研究中.倾向得分匹配很好地解决已观测的变量间的组间不均一问题,对于控制已知混杂,具有较好的效果.选择什么样的变量进行匹配,目前在统计学还缺少标准.在临床统计过程中发现,采用不同的自变量进行匹配,对最终的结果影响非常大.倾向得分匹配的目的是减少混杂偏倚,试图得出更接近真实状况的结果.然后,不当的匹配,可能会增大其中的偏倚,使研究结果夸大或缩小.如果被观测的自变量与被匹配的自变量中存在多重共线性(multicollinearity)时,被观测自变量对结局影响的效应值(OR)可能被缩小,极有可能会使得回归系数不显著.其次,自变量与因变量的因果关系,需要在匹配前进行区分.另外,自变量的发生时间点是否与因变量观察时间点匹配,尤其是是否存在时间错位问题.因此,不考虑变量的发生时间点,可能会得出错误的结论.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号