Pertanyaan yang diberi tag «propensity-scores»

Saya akui bahwa saya relatif baru dalam hal skor kecenderungan dan analisis kausal. Satu hal yang tidak jelas bagi saya sebagai pendatang baru adalah bagaimana "menyeimbangkan" menggunakan skor kecenderungan secara matematis berbeda dari apa yang terjadi ketika kita menambahkan kovariat dalam regresi? Apa yang berbeda tentang operasi, dan mengapa lebih …

41 regression  multivariate-analysis  causality  propensity-scores 

Saya merujuk pada makalah ini : Hayes JR, Groner JI. "Menggunakan skor imputasi dan kecenderungan ganda untuk menguji efek kursi mobil dan penggunaan sabuk pengaman pada tingkat keparahan cedera dari data registrasi trauma." J Pediatr Surg. 2008 Mei; 43 (5): 924-7. Dalam penelitian ini, beberapa imputasi dilakukan untuk mendapatkan 15 …

34 missing-data  propensity-scores 

Saya akan menjelaskan masalah saya dengan sebuah contoh. Misalkan Anda ingin memprediksi penghasilan seseorang yang diberikan beberapa atribut: {Usia, Jenis Kelamin, Negara, Wilayah, Kota}. Anda memiliki dataset pelatihan seperti itu 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)) …

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 

Pertanyaan: Dari sudut pandang ahli statistik (atau seorang praktisi), dapatkah seseorang menyimpulkan kausalitas menggunakan skor kecenderungan dengan studi observasional ( bukan eksperimen )? Tolong, tidak ingin memulai perang api atau debat fanatik. Latar belakang: Dalam program stat PhD kami, kami hanya menyentuh inferensi kausal melalui kelompok kerja dan beberapa sesi …

27 causality  propensity-scores 

Saya telah membaca beberapa makalah, dan saya tidak jelas tentang definisi spesifik dari Average Treatment Effect (ATE), dan Marginal Treatment Effect (MTE). Apakah mereka sama? Menurut Austin ... Efek kondisional adalah efek rata-rata, pada tingkat subjek, dari memindahkan subjek dari yang tidak diobati ke yang diobati. Koefisien regresi untuk variabel …

14 causality  hazard  propensity-scores  marginal-effect  marginal-model 

Saya memiliki satu set data longitudinal individu dan beberapa dari mereka harus menjalani perawatan dan yang lainnya tidak. Semua individu dalam sampel dari lahir sampai usia 18 dan pengobatan terjadi pada usia tertentu di antara rentang itu. Usia perawatan mungkin berbeda di setiap kasus. Dengan menggunakan pencocokan skor kecenderungan, saya …

13 stata  panel-data  propensity-scores 

Pencocokan skor kecenderungan digunakan untuk membuat kesimpulan kausal dalam studi observasional (lihat makalah Rosenbaum / Rubin ). Apa intuisi sederhana di balik mengapa ia bekerja? Dengan kata lain, mengapa jika kita memastikan probabilitas untuk berpartisipasi dalam pengobatan adalah sama untuk kedua kelompok, efek perancu menghilang, dan kita dapat menggunakan hasilnya …

13 causality  regression-strategies  propensity-scores  confounding 

Mengenai pembobotan skor kecenderungan (IPTW) saat melakukan pemodelan bahaya proporsional Cox dari data survival waktu-ke-peristiwa: Saya memiliki data registri prospektif di mana kami tertarik untuk melihat efek pengobatan dari obat yang dalam kebanyakan kasus pasien sudah memakai pada awal. Karena itu saya tidak yakin bagaimana cara terbaik menganalisis data. Secara …

11 r  survival  cox-model  propensity-scores 

Saya memahami mekanisme penghitungan bobot menggunakan skor kecenderungan : dan kemudian menerapkan bobot dalam analisis regresi, dan bahwa bobot berfungsi untuk "kendalikan" atau lepaskan pengaruh kovariat dalam populasi kelompok perlakuan dan kontrol dengan variabel hasil.w i , j = t r e a tp ( xsaya)p(xi)p(x_i)wi , j = t …

10 intuition  weighted-regression  propensity-scores 

Saya mencoba memperkirakan efek pengobatan rata-rata dari data pengamatan menggunakan bobot skor kecenderungan (khususnya IPTW). Saya pikir saya menghitung ATE dengan benar, tetapi saya tidak tahu bagaimana menghitung interval kepercayaan ATE sambil memperhitungkan bobot skor kecenderungan terbalik. Inilah persamaan yang saya gunakan untuk menghitung efek pengobatan rata-rata (referensi Stat Med. …

9 r  survey  causality  propensity-scores  observational-study 

Saya punya pertanyaan metodologis, dan karenanya tidak ada dataset sampel yang dilampirkan. Saya berencana untuk melakukan skor kecenderungan regresi Cox yang disesuaikan yang bertujuan untuk memeriksa apakah obat tertentu akan mengurangi risiko hasil. Penelitian ini bersifat observasional, terdiri dari 10.000 orang. Kumpulan data berisi 60 variabel. Saya menilai bahwa 25 …

9 survival  cox-model  propensity-scores  regression-strategies 

Menurut Lee dan Little 2017 , ketika menggunakan metode skor kecenderungan (PS), pembobotan berdasarkan peluang akan menghasilkan Efek Perlakuan Rata-rata pada Orang yang Diperlakukan (ATT), sementara menggunakan subklasifikasi dan pembobotan dengan inverse probability of treatment (IPTW) akan menghasilkan efek yang diukur pada Efek Perawatan Rata-rata pada seluruh sampel (ATE). Saya …

8 propensity-scores  difference-in-difference  treatment-effect 

Saya telah melakukan Pencocokan Skor Prospensitas (dalam R menggunakan paket-R "Matchit"). Saya menggunakan metode pencocokan "tetangga terdekat". Setelah mencocokkan saya membandingkan pengobatan dan kelompok kontrol dalam hal variabel hasil mereka. Untuk perbandingan ini saya menggunakan uji-t. Saya menemukan bahwa setelah setiap prosedur pencocokan, hasil uji-t berubah. Untuk menguji asumsi saya …

8 k-nearest-neighbour  matching  propensity-scores 

\newcommand{\P}{\mathbb{P}} Saya prihatin dengan data pengamatan di mana tugas perawatan dapat dijelaskan dengan sangat baik. Misalnya, regresi logistik P (A=1 | X) = ( 1 + exp( - ( Xβ) ))- 1P(SEBUAH=1|X)=(1+exp⁡(-(Xβ)))-1\P(A =1 |X) = (1+ \exp(-(X\beta)))^{-1} wehre tugas perawatan dan kovariat sangat cocok dengan tes sangat tinggi atau bahkan …

8 missing-data  causality  propensity-scores  survey-weights 

Prosedur pencocokan skor kecenderungan dasar bekerja dengan data penampang (yaitu dikumpulkan pada titik waktu tertentu). Perintah psmatch2 populer menggunakan variabel dummy yang menunjukkan bahwa pengamatan milik kelompok perlakuan atau kontrol. Namun, dalam dataset saya, fungsi indikator ini beragam waktu. Data terlihat sebagai berikut: Saya mengidentifikasi individu dan melacak mereka selama …

8 stata  panel-data  propensity-scores