Skip to content
返回搜索结果

倾向得分匹配

提出者
Paul Rosenbaum and Donald Rubin
年份
1983
类型
Method
类别
causal-inference

本文为机器翻译,尚未经过审校。 阅读英文原文

字号

它有什么作用?

倾向得分匹配(PSM)是一种通过平衡治疗组间的基线特征来减少观察性研究中混杂偏倚的方法,旨在模拟随机化。该方法由Rosenbaum和Rubin(1983)提出,它根据观测到的协变量估计接受治疗的概率,然后将具有相似治疗概率的治疗组和对照组个体进行匹配或加权。当随机对照试验不可行或不道德时,PSM广泛应用于医学、流行病学和政策评估领域,以在控制选择偏倚的同时估计治疗效果。

方法背后的直觉

随机对照试验能自动平衡基线特征,从而实现因果推断。观察性研究缺乏随机化;治疗组个体与未治疗组个体之间常存在系统性差异(选择偏倚)。比较治疗组间的结局会将治疗效果与预先存在的差异混淆。倾向得分匹配(PSM)根据每个个体的基线特征,估计其接受治疗的概率。通过匹配具有相似倾向得分(治疗概率)的治疗组和未治疗组个体,PSM创建了在基线时可比较的两个组,从而模拟了随机化。这消除了测量协变量带来的混杂偏倚,从而实现有效的因果推断。关键假设是:条件独立性——在给定观测协变量的情况下,治疗分配是随机的(没有未测量的混杂因素)。

历史学

Paul Rosenbaum 和 Donald Rubin 1983 年的开创性论文通过潜在结果框架(Rubin, 1974)统一了匹配和因果推断。他们证明了倾向得分匹配能实现协变量平衡,从而减少偏倚。Peter Austin 的工作(2010年代)推动了平衡诊断和加权方法的发展。现代扩展包括:用于连续治疗的广义倾向得分(Hirano & Imbens, 2004),结合倾向模型和结果模型的双重稳健方法(van der Laan & Robins, 2003),目标最大似然估计(TMLE;van der Laan & Rose, 2011)。

何时使用

当进行观察性研究且无法随机化,但所有混杂因素均已测量时,可使用倾向得分匹配。医学研究:评估治疗效果(手术与保守治疗),比较具有相似基线风险的匹配治疗/未治疗患者的结局。政策评估:评估项目影响(例如,职业培训对就业的影响),比较参与者与匹配的非参与者。流行病学:估计暴露相关的疾病风险,同时控制基线特征。先决条件:在治疗分配前必须收集到足够的混杂因素基线数据;未测量的混杂因素(例如,未测量的疾病严重程度)仍然是一个威胁。

局限与注意事项

  • 条件独立性假设:仅当所有相关混杂因素都已测量时才有效。未测量的混杂因素(例如,未测量的疾病严重程度、患者偏好)仍然是一个威胁;PSM 无法检测或纠正它们。
  • 效率低下:匹配会减少样本量(未匹配的个体被丢弃);匹配分析的统计功效低于未匹配回归。
  • 重叠有限:如果治疗组和未治疗组的协变量分布差异很大,则重叠区域很小;估计仅限于重叠区域。
  • 模型依赖性:倾向得分估计取决于逻辑回归的正确设定;错误设定(遗漏交互作用、非线性关系)会导致平衡不佳。
  • 信息丢失:一对一匹配会丢弃可能具有信息量的未匹配个体;多对一匹配或加权保留所有数据。

来源中的条件不能替代独立的科学审查或分析引擎的验证。

优势

  • 减少混杂偏倚:通过创建在测量混杂因素上平衡的组,PSM 模拟了这些变量的随机化,从而实现因果推断。
  • 可解释性:倾向得分是一个单一标量,将许多协变量压缩在一起;协变量平衡的实现方式透明。
  • 灵活性:适用于二元或多元治疗;可扩展到连续治疗(广义倾向得分)。
  • 诊断性:协变量平衡评估(SMD,love plots)提供了减少偏倚的明确证据;在结局分析前即可发现不平衡。
  • 双重稳健性:当与结局回归结合时,如果倾向模型或结局模型中的任何一个正确,则估计量是一致的(对错误设定具有弹性)。

应用

  • 比较效果研究:在没有实验随机化的电子健康记录中评估治疗结果(药物 A 与 B,手术与药物管理)。
  • 政策评估:评估项目影响(职业培训、学校干预)对结果(就业、收入)的影响,比较项目参与者与匹配的非参与者。
  • 流行病学队列研究:在观察性数据中估计暴露(吸烟、饮食)引起的疾病风险,同时调整人口统计学和生活方式混杂因素。
  • 经济影响研究:评估法规变化、税收政策或医疗改革对个体结果的影响;平衡治疗组和对照组状态。
  • 疫苗有效性:当随机对照试验不可行时,比较疫苗接种者与未接种者在基线风险因素匹配后的结果(感染率、疾病严重程度)。

使用方式

使用方式

1

实施倾向得分匹配的步骤:(1) 确定感兴趣的结局、治疗变量(二元或多元)以及所有相关的混杂因素(同时影响治疗和结局的基线特征);(2) 收集所有参与者的协变量数据;(3) 检查重叠假设:治疗组和对照组的倾向得分范围必须有重叠;缺乏重叠表明根本上不具可比性;(4) 定义样本:意向性治疗分析(按原始分组分析)或符合方案分析(分析匹配样本;因果推断需谨慎)。确保足够的样本量:PSM通过匹配减少了有效样本量,因此初始样本量应大于等效的随机对照试验。

2

估计倾向得分:使用逻辑回归预测在给定所有测量协变量的情况下接受治疗的概率。p_i = P(Treatment=1 | Covariates)。倾向得分是一个标量(0-1),将多个协变量压缩为一个维度。然后,如果|p − q| < caliper(容差,通常为 logit 倾向得分标准差的 0.1 倍),则将治疗组(得分 p)与未治疗组(得分 q)进行匹配;常见方法包括:1:1 最近邻匹配、1:m 最近邻匹配或卡钳匹配。匹配的替代方法:倾向得分加权(逆概率治疗加权,IPTW)。治疗组个体按 1/p_i 加权(上调代表性不足的治疗组),对照组个体按 1/(1−p_i) 加权;这会产生一个伪总体,其中治疗与协变量独立。检查协变量平衡:匹配后,组间协变量的标准化均值差(SMD)应 < 0.1(理想情况下 < 0.05);如果不是,则增加卡钳值或在倾向模型中包含更多协变量。通过 SMD 图报告匹配前后的平衡情况。

3

匹配或加权后,使用标准方法(t检验、回归、生存分析)在匹配/加权样本上比较治疗组间的结局。治疗组平均治疗效果(ATT)是匹配样本中的结局差异;如果匹配成功(达到基线平衡),则该差异不受测量协变量的混淆。报告内容包括:(1) 匹配前后协变量平衡(SMD 表或图),(2) 匹配/未匹配对的数量,(3) 治疗效果(结局差异),(4) 置信区间和 p 值,(5) 对未测量混杂因素的敏感性分析(例如,Rosenbaum 界限)。检查共同支持区域:治疗组中倾向得分高于未治疗组最小得分且低于未治疗组最大得分的比例;重叠不足会使估计无效。在匹配样本上使用回归调整作为额外的混杂因素控制(双重稳健估计)。

常见陷阱

  • 根据结局进行匹配:使估计值偏向零(降低功效)。倾向得分建模应包括混杂因素(同时预测治疗和结局的变量),而不是中介变量或结果。
  • 未能检查重叠:当治疗组/对照组倾向分布不重叠时继续进行匹配。始终检查并报告共同支持区域;重叠区域之外的估计是不可靠的外推。
  • 忽略协变量平衡:假设匹配有效而未检查标准化均值差。始终报告平衡诊断(SMD 图、love plots);不平衡表明需要采用替代方法。
  • 分析完整样本而非匹配样本:如果先匹配然后分析所有原始数据,则会忽略匹配(违背了目的)。仅分析匹配样本,或对完整样本使用加权。
  • 通过多个倾向模型进行 P 值操纵:拟合不同的倾向模型并选择能产生最佳平衡或最强治疗效果的模型。应根据理论先验地指定倾向模型;使用交叉验证。
  • 没有时间先后顺序的因果主张:倾向得分通过测量协变量减少混杂,但因果关系要求治疗先于结局。逆向因果关系仍然威胁有效性。

常见问题

什么是倾向得分,以及为什么基于它进行匹配有效?

倾向得分是给定观测协变量下接受治疗的概率,通过逻辑回归估计:P(T=1|Covariates)。两个具有相同倾向得分的个体,即使接受了不同的治疗,也具有相似的基线特征(在期望意义上)。基于倾向得分进行匹配可以创建可比较的组:在匹配样本中,治疗状态与协变量独立(实现了条件独立性)。这等同于在基线时进行了随机化,从而实现了因果推断。倾向得分是一个标量(每个人一个数值),将匹配从多个维度降至一个维度(解决了维度灾难问题)。

倾向得分匹配与逆概率治疗加权(IPTW)有什么区别?

倾向得分匹配:将治疗组个体与具有相似倾向得分的未治疗组个体配对;仅分析匹配对,丢弃未匹配个体。IPTW(逆概率加权):通过逆倾向得分对所有个体进行加权(治疗组按 1/p 加权,对照组按 1/(1−p) 加权),从而创建一个治疗与协变量独立的伪总体。IPTW 保留所有数据,提高了效率和功效。两者都能实现协变量平衡;IPTW 在统计上更有效。权衡:如果某些个体的倾向得分非常高或非常低,IPTW 可能会产生极端权重,从而增加方差;匹配避免了这一点,但会丢失数据。

如何评估协变量平衡,以及什么是可接受的平衡?

计算每个协变量的标准化均值差(SMD):SMD = (mean_treated − mean_control) / pooled SD。SMD < 0.10 通常被认为是“平衡的”;< 0.05 是极好的。绘制匹配前后的 SMD 图(love plot):平衡情况一目了然。计算所有混杂因素的 SMD;如果匹配后仍有任何不平衡(SMD > 0.10),请考虑:放宽卡钳值(更宽松地匹配)、在倾向模型中包含交互作用,或使用替代方法(分层、回归调整)。切勿通过 p 值判断平衡(p 值依赖于样本量);始终以数值和图形方式检查 SMD。

倾向得分匹配能否解决未测量的混杂因素?

不能。PSM 减少了来自测量混杂因素(您已收集数据的那些)的偏倚。未测量的混杂因素(例如,患者动机、未测量的疾病严重程度、隐藏的选择机制)仍然无法控制。进行敏感性分析以评估结论对未测量混杂因素的敏感程度(Rosenbaum 界限:未测量混杂因素必须有多强才能改变结论)。始终讨论未测量混杂因素的局限性。如果未测量混杂因素是一个主要问题,请考虑使用工具变量或自然实验。

相关方法

参考文献

  1. 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.

    打开 DOI 文献
    已复制。
  2. Austin, P. C. (2011). An introduction to propensity score methods for reducing the effects of confounding. Multivariate Behavioral Research, 46(3), 399–424.

    打开 DOI 文献
    已复制。
  3. Rubin, D. B. (1974). Estimating causal effects of treatments in randomized and nonrandomized studies. Journal of Educational Psychology, 66(5), 688–701.

    打开 DOI 文献
    已复制。