Propensity Score Matching
- Eingeführt von
- Paul Rosenbaum and Donald Rubin
- Jahr
- 1983
- Typ
- Method
- Familie
- causal-inference
Dieser Text ist eine maschinelle Übersetzung und wurde noch nicht geprüft. Original auf Englisch lesen
Was leistet sie?
Propensity Score Matching (PSM) ist eine Methode zur Reduzierung von Störvariablenverzerrungen (confounding bias) in Beobachtungsstudien durch die Ausbalancierung von Baseline-Charakteristika zwischen Behandlungsgruppen, was eine Randomisierung simuliert.
Entwickelt von Rosenbaum und Rubin (1983), schätzt sie die Wahrscheinlichkeit, eine Behandlung zu erhalten, gegeben beobachtete Kovariaten, und gleicht dann behandelte und Kontrollpersonen mit ähnlichen Behandlungswahrscheinlichkeiten an oder gewichtet sie. Weit verbreitet in Medizin, Epidemiologie und Politikbewertung, wenn randomisierte Studien nicht durchführbar oder unethisch sind, ermöglicht sie die Schätzung von Behandlungseffekten unter Kontrolle von Selektionsverzerrungen.
Die Intuition hinter der Methode
Randomisierte Studien balancieren Baseline-Charakteristika automatisch aus und ermöglichen kausale Schlussfolgerungen. Beobachtungsstudien fehlt die Randomisierung; behandelte Personen unterscheiden sich oft systematisch von unbehandelten (Selektionsverzerrung). Der Vergleich von Ergebnissen zwischen Behandlungsgruppen vermischt Behandlungseffekte mit bereits bestehenden Unterschieden. Propensity Score Matching (PSM) schätzt die Wahrscheinlichkeit, dass jede Person eine Behandlung erhält, gegeben ihre Baseline-Charakteristika. Durch den Abgleich von behandelten und unbehandelten Personen mit ähnlichen Propensity Scores (Behandlungswahrscheinlichkeiten) schafft PSM zwei Gruppen, die auf Baseline vergleichbar sind und eine Randomisierung nachahmen. Dies eliminiert Störvariablenverzerrungen für gemessene Kovariaten und ermöglicht gültige kausale Schlussfolgerungen. Die Schlüsselannahme: bedingte Unabhängigkeit – gegeben beobachtete Kovariaten ist die Behandlungszuweisung zufällig (keine ungemessenen Störvariablen).
Geschichte
Die grundlegende Arbeit von Paul Rosenbaum und Donald Rubin aus dem Jahr 1983 vereinte Matching und kausale Inferenz über den Potential-Outcomes-Rahmen (Rubin, 1974). Sie bewiesen, dass Propensity Score Matching Kovariatenbalance erreicht und Verzerrungen reduziert. Peter Austins Arbeit (2010er Jahre) entwickelte Balance-Diagnostiken und Weighting-Methoden weiter. Moderne Erweiterungen umfassen: Generalized Propensity Score für kontinuierliche Behandlungen (Hirano & Imbens, 2004), Doubly Robust-Methoden, die Propensity- und Ergebnismodelle kombinieren (van der Laan & Robins, 2003), Targeted Maximum Likelihood Estimation (TMLE; van der Laan & Rose, 2011).
Wann wird sie eingesetzt?
Verwenden Sie Propensity Score Matching, wenn Sie Beobachtungsstudien durchführen und nicht randomisieren können, aber alle Störvariablen gemessen werden. Medizinische Forschung: Bewertung der Wirksamkeit von Behandlungen (Chirurgie vs. konservative Behandlung) durch Vergleich der Ergebnisse für angeglichene behandelte/unbehandelte Patienten mit ähnlichem Baseline-Risiko. Politikbewertung: Bewertung der Auswirkungen von Programmen (z. B. Berufsbildung auf Beschäftigung) durch Vergleich von Teilnehmern und angeglichenen Nichtteilnehmern. Epidemiologie: Schätzung des Krankheitsrisikos im Zusammenhang mit Expositionen unter Kontrolle von Baseline-Charakteristika. Voraussetzung: Ausreichende Baseline-Daten zu Störvariablen müssen vor der Behandlungszuweisung gesammelt worden sein; ungemessene Störvariablen (z. B. ungemessene Krankheitschwere) bleiben eine Bedrohung.
Grenzen und Hinweise
- Annahme der bedingten Unabhängigkeit: Nur gültig, wenn alle relevanten Störvariablen gemessen werden. Ungemessene Störvariablen (z. B. ungemessene Krankheitschwere, Patientenpräferenz) bleiben eine Bedrohung; PSM kann sie nicht erkennen oder korrigieren.
- Ineffizienz: Matching reduziert die Stichprobengröße (nicht angeglichene Individuen werden verworfen); angeglichene Analysen sind statistisch weniger aussagekräftig als unangeglichene Regression.
- Begrenzte Überlappung: Wenn Behandlungs- und Kontrollpopulationen sehr unterschiedliche Kovariatenverteilungen aufweisen, ist der Überlappungsbereich klein; Schätzungen sind auf den Überlappungsbereich beschränkt.
- Modellabhängigkeit: Die Schätzungen des Propensity Scores hängen von der korrekten Spezifikation der logistischen Regression ab; Fehl-Spezifikation (weggelassene Interaktionen, nichtlineare Beziehungen) führt zu schlechter Balance.
- Informationsverlust: Eins-zu-eins-Matching verwirft potenziell informative nicht angeglichene Individuen; Eins-zu-viele-Matching oder Weighting behalten alle Daten.
Die Bedingungen der Quelle ersetzen weder eine unabhängige wissenschaftliche Prüfung noch die Validierung durch eine Analyse-Engine.
Stärken
- Reduziert Störvariablenverzerrungen: Durch die Schaffung von Gruppen, die auf gemessenen Störvariablen ausgeglichen sind, ahmt PSM die Randomisierung für diese Variablen nach und ermöglicht kausale Schlussfolgerungen.
- Interpretierbar: Der Propensity Score ist eine einzelne Skalare, die viele Kovariaten zusammenfasst; transparent, wie die Kovariatenbalance erreicht wird.
- Flexibel: Funktioniert mit binären oder mehreren Behandlungen; erweiterbar auf kontinuierliche Behandlungen (generalized propensity score).
- Diagnostisch: Die Bewertung der Kovariatenbalance (SMD, Love Plots) liefert klare Beweise für die Reduzierung von Verzerrungen; Unbalance ist vor der Ergebnis-Analyse sichtbar.
- Doubly robust: In Kombination mit der Ergebnisregression ist der Schätzer konsistent, wenn entweder das Propensity-Modell oder das Ergebnismodell korrekt ist (Resilienz gegen Fehl-Spezifikation).
Anwendungen
- Vergleichende Wirksamkeitsforschung: Bewertung von Behandlungsergebnissen (Medikament A vs. B, chirurgische vs. medizinische Behandlung) in elektronischen Gesundheitsakten ohne experimentelle Randomisierung.
- Politikbewertung: Bewertung der Auswirkungen von Programmen (z. B. Berufsbildung, Schulinterventionen) auf Ergebnisse (Beschäftigung, Einkommen) durch Vergleich von Programmteilnehmern mit angeglichenen Nichtteilnehmern.
- Epidemiologische Kohortenstudien: Schätzung des Krankheitsrisikos durch Expositionen (Rauchen, Ernährung) in Beobachtungsdaten unter Berücksichtigung von demografischen und lebensstilbezogenen Störvariablen.
- Studien zu wirtschaftlichen Auswirkungen: Bewertung der Auswirkungen von regulatorischen Änderungen, Steuerpolitik oder Gesundheitsreformen auf individuelle Ergebnisse; Ausgleich von behandelten und Kontrollzuständen.
- Impfstoffwirksamkeit: Vergleich von Ergebnissen (Infektionsraten, Krankheitschwere) bei geimpften vs. ungeimpften Personen, die auf Baseline-Risikofaktoren abgeglichen wurden, wenn RCTs nicht durchführbar sind.
So funktioniert es
So funktioniert es
Führen Sie Propensity Score Matching durch, indem Sie: (1) das interessierende Ergebnis, die Behandlungsvariable (binär oder mehrfach) und alle relevanten Störvariablen (Baseline-Charakteristika, die sowohl Behandlung als auch Ergebnis beeinflussen) identifizieren, (2) Kovariatendaten aller Teilnehmer sammeln, (3) die Überlappungsannahme prüfen: Behandlungs- und Kontrollgruppen müssen überlappende Bereiche von Propensity Scores haben; fehlende Überlappung deutet auf grundlegende Unvergleichbarkeit hin, (4) die Stichprobe definieren: Intention-to-Treat (Analyse in ursprünglichen Gruppen) oder Per-Protocol (Analyse der angeglichenen Stichprobe; Kausalitätsansprüche erfordern Vorsicht). Stellen Sie eine ausreichende Stichprobengröße sicher: PSM reduziert die effektive Stichprobengröße durch das Matching, beginnen Sie also mit einem größeren N als bei einer äquivalenten RCT.
Schätzen Sie Propensity Scores: Verwenden Sie eine logistische Regression, um die Wahrscheinlichkeit der Behandlungszuweisung gegeben alle gemessenen Kovariaten vorherzusagen. p_i = P(Behandlung=1 | Kovariaten). Der Propensity Score ist eine Skalare (0–1), die mehrere Kovariaten in einer Dimension zusammenfasst. Dann matchen Sie behandelte (Score p) mit unbehandelten (Score q), wenn |p − q| < Kaliber (Toleranz, typischerweise 0,1 × SD des Logit-Propensity-Scores); gängige Ansätze: 1:1 Nearest Neighbor Matching, 1:m Nearest Neighbor oder Kaliber-Matching. Alternative zum Matching: Propensity Score Weighting (Inverse Probability of Treatment Weighting, IPTW). Gewichtete behandelte Personen mit 1/p_i (Aufwärtsgewichtung unterrepräsentierter Behandelter) und Kontrollen mit 1/(1−p_i); erzeugt eine Pseudopopulation, in der die Behandlung unabhängig von den Kovariaten ist. Überprüfen Sie die Kovariatenbalance: Die standardisierte mittlere Differenz (SMD) der Kovariaten zwischen den Gruppen sollte nach dem Matching < 0,1 (idealerweise < 0,05) sein; wenn nicht, erhöhen Sie das Kaliber oder nehmen Sie mehr Kovariaten in das Propensity-Modell auf. Berichten Sie die Balance vor und nach dem Matching über SMD-Plots.
Nach dem Matching oder Weighting vergleichen Sie die Ergebnisse zwischen den Behandlungsgruppen mit Standardmethoden (t-Test, Regression, Überlebensanalyse) auf der angeglichenen/gewichteten Stichprobe. Der durchschnittliche Behandlungseffekt bei den Behandelten (ATT) ist die Ergebnisdifferenz in der angeglichenen Stichprobe; wenn das Matching erfolgreich war (Baseline-Balance erreicht), ist diese Differenz ungestört durch gemessene Kovariaten. Berichten Sie: (1) Kovariatenbalance vor und nach dem Matching (SMD-Tabellen oder -Plots), (2) Anzahl der angeglichenen/nicht angeglichenen Paare, (3) Behandlungseffekt (Differenz der Ergebnisse), (4) Konfidenzintervalle und p-Werte, (5) Sensitivitätsanalyse für ungemessene Störvariablen (z. B. Rosenbaum-Grenzen). Untersuchen Sie die gemeinsame Unterstützung (common support): Anteil der Behandelten mit Propensity Scores oberhalb des minimalen unbehandelten Scores und unterhalb des maximalen unbehandelten Scores; schlechte Überlappung macht Schätzungen ungültig. Verwenden Sie Regressionsanpassung auf der angeglichenen Stichprobe als zusätzliche Kontrolle von Störvariablen (doubly robust estimation).
Häufige Fallstricke
- Matching auf das Ergebnis: Verzerrt Schätzungen gegen Null (reduziert die Aussagekraft). Die Propensity-Score-Modellierung sollte Störvariablen (Variablen, die sowohl Behandlung als auch Ergebnis vorhersagen) enthalten, keine Mediatoren oder Folgen.
- Fehlende Überprüfung der Überlappung: Fortfahren mit dem Matching, wenn die Propensity-Verteilungen von Behandelten/Kontrollen nicht überlappen. Immer die gemeinsame Unterstützung prüfen und berichten; Schätzungen außerhalb der Überlappung sind unzuverlässige Extrapolationen.
- Ignorieren der Kovariatenbalance: Annahme, dass das Matching funktioniert hat, ohne die standardisierten mittleren Differenzen zu untersuchen. Immer Balance-Diagnostiken (SMD-Plots, Love Plots) berichten; Unbalance deutet auf die Notwendigkeit eines alternativen Ansatzes hin.
- Analyse der vollständigen Stichprobe anstelle der angeglichenen Stichprobe: Wenn Sie matchen und dann alle Originaldaten analysieren, ignorieren Sie das Matching (vereitelt den Zweck). Nur die angeglichene Stichprobe analysieren oder Weighting auf der vollständigen Stichprobe verwenden.
- P-Hacking mit mehreren Propensity-Modellen: Anpassung verschiedener Propensity-Modelle und Auswahl desjenigen, das die beste Balance oder den stärksten Behandlungseffekt ergibt. Propensity-Modell a priori basierend auf Theorie spezifizieren; Kreuzvalidierung verwenden.
- Kausale Behauptungen ohne zeitliche Präzedenz: Propensity Score reduziert die Störvariablenverzerrung durch gemessene Kovariaten, aber Kausalität erfordert eine Behandlung vor dem Ergebnis. Umgekehrte Kausalität bedroht weiterhin die Gültigkeit.
Häufig gestellte Fragen
Was ist der Propensity Score und warum funktioniert das Matching darauf?
Der Propensity Score ist die Wahrscheinlichkeit, eine Behandlung zu erhalten, gegeben beobachtete Kovariaten, geschätzt mittels logistischer Regression: P(T=1|Kovariaten). Zwei Personen mit demselben Propensity Score haben ähnliche Baseline-Charakteristika (im Erwartungswert), auch wenn sie unterschiedlich behandelt wurden. Das Matching auf Propensity Scores schafft vergleichbare Gruppen: In der angeglichenen Stichprobe ist der Behandlungsstatus unabhängig von den Kovariaten (bedingte Unabhängigkeit erreicht). Dies entspricht einer Randomisierung auf Baseline und ermöglicht kausale Schlussfolgerungen. Der Propensity Score ist eine Skalare (eine Zahl pro Person), die das Matching von vielen Dimensionen auf eine reduziert (Fluch der Dimensionalität gelöst).
Was ist der Unterschied zwischen Propensity Score Matching und Inverse Probability of Treatment Weighting (IPTW)?
Propensity Score Matching: Paart behandelte Individuen mit unbehandelten Individuen, die ähnliche Propensity Scores haben; analysiert nur angeglichene Paare und verwirft nicht angeglichene Individuen. IPTW (Inverse Probability Weighting): Gewichtete alle Individuen mit inversen Propensity Scores (behandelte mit 1/p, Kontrollen mit 1/(1−p)), wodurch eine Pseudopopulation entsteht, in der die Behandlung unabhängig von den Kovariaten ist. IPTW behält alle Daten bei und verbessert Effizienz und Aussagekraft. Beide erreichen Kovariatenbalance; IPTW ist statistisch effizienter. Kompromiss: IPTW kann extreme Gewichte erzeugen, wenn einige Individuen sehr hohe oder sehr niedrige Propensity Scores haben, was die Varianz erhöht; Matching vermeidet dies, führt aber zu Datenverlust.
Wie bewerte ich die Kovariatenbalance und was ist akzeptabel?
Berechnen Sie die standardisierte mittlere Differenz (SMD) für jede Kovariate: SMD = (Mittelwert_behandelt − Mittelwert_kontrolle) / gepoolte SD. SMD < 0,10 wird allgemein als 'ausgeglichen' akzeptiert; < 0,05 ist ausgezeichnet. Plotten Sie die SMDs vor und nach dem Matching (Love Plot): Vorher/nachher Balance auf einen Blick sichtbar. Berechnen Sie die SMD für alle Störvariablen; wenn nach dem Matching noch Unbalance besteht (SMD > 0,10), erwägen Sie: Erweiterung des Kalibers (lockereres Matching), Aufnahme von Interaktionen in das Propensity-Modell oder Verwendung alternativer Methoden (Stratifizierung, Regressionsanpassung). Beurteilen Sie die Balance niemals anhand von p-Werten (p-Werte sind stichprobengrößenabhängig); untersuchen Sie immer die SMD numerisch und grafisch.
Kann Propensity Score Matching ungemessene Störvariablen adressieren?
Nein. PSM reduziert Verzerrungen durch gemessene Störvariablen (diejenigen, für die Sie Daten gesammelt haben). Ungemessene Störvariablen (z. B. Patientenmotivation, ungemessene Krankheitschwere, versteckte Selektionsmechanismen) bleiben unkontrolliert. Führen Sie eine Sensitivitätsanalyse durch, um zu bewerten, wie empfindlich Schlussfolgerungen gegenüber ungemessenen Störvariablen sind (Rosenbaum-Grenzen: Wie stark muss eine ungemessene Störvariable sein, um Schlussfolgerungen zu ändern). Diskutieren Sie immer die Einschränkungen ungemessener Störvariablen. Erwägen Sie instrumentelle Variablen oder natürliche Experimente, wenn ungemessene Störvariablen ein Hauptanliegen sind.
Verwandte Methoden
Quellen
Rosenbaum, P. R., & Rubin, D. B. (1983). The central role of the propensity score in observational studies for causal effects. Biometrika, 70(1), 41–55.
DOI-Referenz öffnenKopiert.Austin, P. C. (2011). An introduction to propensity score methods for reducing the effects of confounding. Multivariate Behavioral Research, 46(3), 399–424.
DOI-Referenz öffnenKopiert.Rubin, D. B. (1974). Estimating causal effects of treatments in randomized and nonrandomized studies. Journal of Educational Psychology, 66(5), 688–701.
DOI-Referenz öffnenKopiert.