如何解决通过倾向得分的倒数加权后的协变量平衡
我的分析侧重于因果推断。我使用倾向分数的倒数来形成权重（倾向分数是在给定一组协变量的情况下接受治疗（或干预）的概率）。 我的问题是，有谁知道我如何在加权前后对协变量进行平衡评估？ 我知道有一些包可以做到这一点，但我想手工编写它而不是使用包。 下面是一个例子：
X1<-c(1,1,1) #Covariate
X2<c(0,0) #Covariate
X3<-c(1,0) #Treatment
X4<- c(1,0) #Outcome
data<-data.frame(X1,X2,X3,X4)
model<- glm(X3~X1+X2,family= "binomial",data=subset(data,X3==1))
propensity_score<- predict(p,newdata=data,type="response")
weights<- 1/propensity_score
这是看协变量与倾向得分的倒数加权后是否平衡（我知道大致的想法，但不熟悉其背后的理论）
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
