propensity score matching 连续变量

propensity score matching 连续变量
倾向得分匹配（Propensity Score Matching，简称PSM）是一种在观察性研究中用于校正选择偏差的方法。

在倾向得分匹配中，如果自变量是连续变量，可以使用以下方法进行匹配：
1. 构建倾向得分：对于每个个体，计算其接受处理（如治疗组）的倾向得分。

倾向得分是一个个体接受处理的概率，可以通过逻辑回归或其他模型来估计。

在逻辑回归中，自变量是连续变量，可以直接将其纳入模型。

2. 设定匹配比例：确定每个个体在处理组和对照组之间的匹配比例。

通常，匹配比例可以设置为1:1 或1:n，其中1 表示处理组，n 表示对照组。

3. 进行匹配：根据倾向得分和设定的匹配比例，将处理组和对照组中的个体进行匹配。

可以使用各种匹配算法，如最近邻匹配、半径匹配、核匹配等。

4. 检查平衡性：匹配后，检查处理组和对照组在协变量上的平衡性。

可以通过比较匹配前后的标准化差异或计算均衡性检验统计量来评估平衡性。

5. 分析匹配后的样本：使用匹配后的样本进行后续的分析，以评估处理效果。

在使用倾向得分匹配时，需要满足一些假设，如共同支撑假设和无混淆假设。

同时，匹配过程可能会导致样本损失，因此需要确保匹配后的样本具有足够的样本量进行分析。