Als «propensity-scores» getaggte Fragen

Die Wahrscheinlichkeit, eine Behandlung zu erhalten, wenn eine Reihe von beobachteten Kovariaten gegeben ist.

5
Inwiefern unterscheiden sich Neigungsbewertungen von der Addition von Kovariaten in einer Regression, und wann werden sie letzteren vorgezogen?
Ich gebe zu, dass ich in Bezug auf Neigungsbewertungen und Kausalanalysen relativ neu bin. Eine Sache, die mir als Neuling nicht klar ist, ist, wie sich das "Ausbalancieren" unter Verwendung von Neigungsbewertungen mathematisch von dem unterscheidet, was passiert, wenn wir Kovariaten in einer Regression hinzufügen? Was ist anders an der …
5
Umgang mit hierarchischen / verschachtelten Daten beim maschinellen Lernen
Ich werde mein Problem mit einem Beispiel erklären. Angenommen, Sie möchten das Einkommen einer Person anhand einiger Attribute vorhersagen: {Alter, Geschlecht, Land, Region, Stadt}. Sie haben einen Trainingsdatensatz wie diesen 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 
5
Kann man aus statistischer Sicht mit einer Beobachtungsstudie auf die Kausalität schließen, indem man die Neigungsbewertungen verwendet?
Frage: Kann man aus der Sicht eines Statistikers (oder eines Praktikers) die Kausalität mit Hilfe von Neigungsbewertungen anhand einer Beobachtungsstudie ( kein Experiment ) ableiten ? Bitte, wollen Sie keinen Flammenkrieg oder eine fanatische Debatte beginnen. Hintergrund: In unserem stat-Promotionsprogramm haben wir nur durch Arbeitsgruppen und einige Themensitzungen auf kausale …
1
Der Unterschied zwischen durchschnittlichem und geringem Behandlungseffekt
Ich habe einige Artikel gelesen und bin mir nicht sicher, was die spezifischen Definitionen des durchschnittlichen Behandlungseffekts (ATE) und des marginalen Behandlungseffekts (MTE) angeht. Sind sie gleich Nach Austin ... Ein bedingter Effekt ist der durchschnittliche Effekt auf Subjektebene, wenn ein Subjekt von unbehandelt zu behandelt verschoben wird. Der Regressionskoeffizient …
4
Propensity Score, der mit Panel-Daten übereinstimmt
Ich habe einen longitudinalen Datensatz von Personen und einige von ihnen wurden einer Behandlung unterzogen und andere nicht. Alle Personen sind von der Geburt bis zum 18. Lebensjahr in der Stichprobe und die Behandlung erfolgt in einem Alter zwischen diesem Bereich. Das Alter der Behandlung kann von Fall zu Fall …
4
Warum funktioniert Propensity Score Matching für kausale Inferenz?
Propensity Score Matching wird verwendet, um kausale Schlussfolgerungen in Beobachtungsstudien zu ziehen (siehe das Rosenbaum / Rubin-Papier ). Was ist die einfache Intuition dahinter, warum es funktioniert? Mit anderen Worten, warum verschwinden die verwirrenden Effekte, wenn wir sicherstellen, dass die Wahrscheinlichkeit einer Teilnahme an der Behandlung für beide Gruppen gleich …
1
Intuitive Erklärung für die inverse Wahrscheinlichkeit von Behandlungsgewichten (IPTWs) bei der Neigungsbewertung?
Ich verstehe die Mechanik der Gewichte der Berechnung der Neigung unter Verwendung von Partituren : und dann Anwenden der Gewichte in einer Regressionsanalyse, zu der die Gewichte dienen "Kontrolle für" oder Trennung der Wirkungen von Kovariaten in den Populationen der Behandlungs- und Kontrollgruppe mit der Ergebnisvariablen.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}} &= …
2
Gewichtung des Neigungsscores bei der Cox-PH-Analyse und der kovariaten Auswahl
In Bezug auf die Neigungsbewertung (IPTW) bei der Cox-Proportional-Hazard-Modellierung von Überlebensdaten für die Zeit bis zum Ereignis: Ich habe prospektive Registrierungsdaten, bei denen wir daran interessiert sind, den Behandlungseffekt eines Medikaments zu untersuchen, das die Patienten in den meisten Fällen bereits zu Studienbeginn eingenommen haben. Ich bin mir daher nicht …
1
Konfidenzintervall für den durchschnittlichen Behandlungseffekt aus der Neigungsbewertung?
Ich versuche, den durchschnittlichen Behandlungseffekt anhand von Beobachtungsdaten mithilfe der Neigungsbewertung (speziell IPTW) abzuschätzen. Ich denke, ich berechne die ATE korrekt, aber ich weiß nicht, wie ich das Konfidenzintervall der ATE unter Berücksichtigung der inversen Neigungsbewertungsgewichte berechnen soll. Hier ist die Gleichung, die ich zur Berechnung des durchschnittlichen Behandlungseffekts verwende …
4
Passen Sie alles an, was Sie in der Neigungsbewertung haben?
Ich habe eine methodische Frage und daher ist kein Beispieldatensatz beigefügt. Ich plane eine an den Neigungsscore angepasste Cox-Regression, mit der untersucht werden soll, ob ein bestimmtes Medikament das Risiko eines Ergebnisses verringert. Die Studie ist eine Beobachtungsstudie mit 10.000 Personen. Der Datensatz enthält 60 Variablen. Ich schätze, dass 25 …
1
ATT vs ATE bei der Neigungsbewertung bei Verwendung von DiD-Schätzungen
Laut Lee und Little 2017 wird bei Verwendung von Propensity Score (PS) -Methoden die Gewichtung der Gewinnchancen den durchschnittlichen Behandlungseffekt auf die behandelte Person (ATT) erzeugen, während die Verwendung der Unterklassifizierung und Gewichtung nach der inversen Wahrscheinlichkeit der Behandlung (IPTW) zu der Der Effekt wird auf den durchschnittlichen Behandlungseffekt auf …
3
Unterschiedliche Ergebnisse nach Neigungsbewertung in R.
Ich habe Prospensity Score Matching durchgeführt (in R mit dem R-Paket "Matchit"). Ich habe die Matching-Methode "nächster Nachbar" verwendet. Nach dem Matching verglich ich die Behandlung und die Kontrollgruppe hinsichtlich ihrer Ergebnisvariablen. Für diesen Vergleich habe ich t-Test verwendet. Ich entdeckte, dass sich nach jedem Matching-Verfahren die Ergebnisse des T-Tests …
1
Welche Optionen gibt es in der Propensity-Score-Analyse, um mit sehr kleinen oder großen Neigungen umzugehen?
\newcommand{\P}{\mathbb{P}} Ich befasse mich mit Beobachtungsdaten, in denen die Behandlungszuordnung außerordentlich gut erklärt werden kann. Zum Beispiel eine logistische Regression von P (A= 1 | X.) = ( 1 + exp(- ( X.β) ) )- 1P(A=1|X)=(1+exp⁡(−(Xβ)))−1\P(A =1 |X) = (1+ \exp(-(X\beta)))^{-1} wehre EINAA Behandlungsaufgabe und X.XX Kovariaten passen sehr gut …
2
Propensity Score Matching mit zeitlich variierender Behandlung
Das grundlegende Verfahren zur Anpassung der Neigungsbewertung arbeitet mit Querschnittsdaten (dh zu einem bestimmten Zeitpunkt gesammelt). Der beliebte Befehl psmatch2 verwendet eine Dummy-Variable, die angibt, dass eine Beobachtung entweder zur Behandlungs- oder zur Kontrollgruppe gehört. In meinem Datensatz variiert diese Indikatorfunktion jedoch zeitlich. Die Daten sehen wie folgt aus: Ich …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.