«propensity-scores» 태그된 질문

관찰 된 공변량 세트가 주어지면 치료를받을 확률입니다.

5
성향 점수는 회귀 분석에서 공변량을 추가하는 것과 어떻게 다릅니 까?
나는 성향 점수와 인과 분석에 비교적 익숙하지 않다는 것을 인정한다. 새로 온 사람으로서 나에게 분명하지 않은 한 가지는 성향 점수를 사용한 "밸런싱"이 회귀 분석에서 공변량을 추가 할 때 발생하는 것과 수학적으로 어떻게 다른가? 연산에서 다른 점은 무엇이며 회귀 분석에서 소집단 공변량을 추가하는 것보다 더 나은 이유는 무엇입니까? 방법을 실험적으로 비교하는 …

3
다중 대치 후 성향 점수 일치
나는 이 논문을 참조한다 : Hayes JR, Groner JI. "다중 대치 및 성향 점수를 사용하여 외상 레지스트리 데이터로 인한 부상 심각도에 대한 카시트 및 시트 벨트 사용의 효과를 테스트합니다." J Pediatr Surg. 2008 년 5 월; 43 (5) : 924-7. 이 연구에서는 15 개의 완전한 데이터 세트를 얻기 위해 다중 …

5
머신 러닝에서 계층 적 / 중첩 된 데이터를 처리하는 방법
예를 들어 내 문제를 설명하겠습니다. {나이, 성별, 국가, 지역, 도시}와 같은 속성이 주어진 개인의 소득을 예측한다고 가정합니다. 당신은 이와 같은 훈련 데이터 세트를 가지고 있습니다 train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2, 3,3,4,4, 5,5,5,5), CityID=c(1,1,2,3, 4,5,6,6, 7,7,7,8), Age=c(23,48,62,63, 25,41,45,19, 37,41,31,50), Gender=factor(c("M","F","M","F", "M","F","M","F", "F","F","F","M")), Income=c(31,42,71,65, 50,51,101,38, 47,50,55,23)) train CountryID RegionID CityID Age …
29 regression  machine-learning  multilevel-analysis  correlation  dataset  spatial  paired-comparisons  cross-correlation  clustering  aic  bic  dependent-variable  k-means  mean  standard-error  measurement-error  errors-in-variables  regression  multiple-regression  pca  linear-model  dimensionality-reduction  machine-learning  neural-networks  deep-learning  conv-neural-network  computer-vision  clustering  spss  r  weighted-data  wilcoxon-signed-rank  bayesian  hierarchical-bayesian  bugs  stan  distributions  categorical-data  variance  ecology  r  survival  regression  r-squared  descriptive-statistics  cross-section  maximum-likelihood  factor-analysis  likert  r  multiple-imputation  propensity-scores  distributions  t-test  logit  probit  z-test  confidence-interval  poisson-distribution  deep-learning  conv-neural-network  residual-networks  r  survey  wilcoxon-mann-whitney  ranking  kruskal-wallis  bias  loss-functions  frequentist  decision-theory  risk  machine-learning  distributions  normal-distribution  multivariate-analysis  inference  dataset  factor-analysis  survey  multilevel-analysis  clinical-trials 

5
통계적 관점에서 관찰 연구에서 성향 점수를 사용하여 인과 관계를 유추 할 수 있습니까?
질문 : 통계 학자 (또는 실무자)의 입장에서 , 관찰 연구 ( 실험이 아닌)에서 성향 점수 를 사용하여 인과성을 추론 할 수 있습니까? 화염 전쟁이나 광적인 토론을 시작하고 싶지 않습니다. 배경 : stat PhD 프로그램 내에서 우리는 실무 그룹과 몇 가지 주제 세션을 통해 인과 추론에 대해서만 다루었습니다. 그러나 다른 부서 …

1
평균 치료 효과와 한계 치료 효과의 차이
몇 가지 논문을 읽었으며 평균 치료 효과 (ATE) 및 한계 치료 효과 (MTE)의 특정 정의에 대해 잘 모르겠습니다. 그들은 같은가요? 오스틴 에 따르면 ... 조건부 효과는 대상체 수준에서 대상체를 치료되지 않은 상태에서 처리 된 상태로 이동시키는 평균 효과입니다. 다 변수 회귀 모델에서 처리 할당 지표 변수에 대한 회귀 계수는 조건부 …

4
패널 데이터와 일치하는 성향 점수
나는 개인의 종단 데이터 세트를 가지고 있으며 그들 중 일부는 치료를 받았으며 다른 사람들은 그렇지 않았습니다. 모든 개인은 출생부터 18 세까지의 표본에 있으며 치료는 그 범위 사이의 어떤 나이에 발생합니다. 치료 기간은 사례마다 다를 수 있습니다. 성향 점수 일치를 사용하여 출생 연도부터 18 세까지 각 쌍을 추적 할 수 있도록 …

4
성향 추론에 대한 성향 스코어 매칭이 작동하는 이유는 무엇입니까?
성향 점수 매칭은 관찰 연구에서 인과 추론을 만드는 데 사용됩니다 ( Rosenbaum / Rubin 논문 참조 ). 왜 작동하는지에 대한 간단한 직감은 무엇입니까? 다시 말해, 치료에 참여할 확률이 두 그룹에 대해 동일한 지 확인하는 경우 혼란스러운 효과가 사라지고 결과를 사용하여 치료에 대한 인과적인 결론을 내릴 수있는 이유는 무엇입니까?

2
Cox PH 분석 및 공변량 선택에서 성향 스코어 가중치
사건 발생 시간 생존 데이터의 Cox 비례 위험 모델링을 수행 할 때 성향 스코어 가중치 (IPTW)와 관련하여 : 대부분의 경우 환자가 이미 기준선에서 복용하고있는 약물의 치료 효과를 살펴 보는 데 관심이있는 예상 레지스트리 데이터가 있습니다. 따라서 데이터를 가장 잘 분석하는 방법을 잘 모르겠습니다. 잠재적으로, 기준 변수 중 일부는 치료에 의해 …

1
성향 점수 가중치에서 치료 가중치의 역 확률 (IPTW)에 대한 직관적 인 설명?
성향 점수 사용하여 가중치를 계산하는 메커니즘을 이해합니다 . 그리고 회귀 분석에서 가중치를 적용하고 가중치가 치료 및 대조군 집단 집단에서 공변량의 효과를 "조절"하거나 결과 변수와 연관을 해제시킨다.p(xi)p(xi)p(x_i)wi,j=treatwi,j=control=1p(xi)=11−p(xi)wi,j=treat=1p(xi)wi,j=control=11−p(xi)\begin{align} w_{i, j={\rm treat}} &= \frac{1}{p(x_i)} \\[5pt] w_{i, j={\rm control}} &= \frac{1}{1-p(x_i)} \end{align} 그러나 직감 수준에서 가중치가 어떻게 달성되는지, 왜 방정식이 그대로 구성되는지 이해하지 못합니다.

1
성향 점수 가중으로 인한 평균 치료 효과에 대한 신뢰 구간?
성향 점수 가중 (특히 IPTW)을 사용하여 관측 데이터로부터 평균 치료 효과를 추정하려고합니다. 나는 ATE를 올바르게 계산한다고 생각하지만 역 성향 점수 가중치를 고려하면서 ATE의 신뢰 구간을 계산하는 방법을 모르겠습니다. 다음은 평균 치료 효과를 계산하기 위해 사용하는 방정식입니다 (2010 년 9 월 10 일 29:20 통계 : 참고 자료 Stat Med. T이자형=1엔∑1엔지나는와이나는피나는−1엔∑1엔( …
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.