倾向评分匹配的PSM的步骤

Python022

倾向评分匹配的PSM的步骤,第1张

计算倾向得分(采用logist回归) 进行得分匹配

得分匹配的几种方法:

(1)最邻近匹配(Nearest neighbor matching)

以倾向得分为依据,在控制组样本中向前或向后寻找最接近干预组样本得分的对象,并形成配对。

(2)半径匹配(Radius matching)

设定一个常数r(可理解为区间或范围,一般设定为小于倾向得分标准差的四分之一),将实验组中得分值与控制组得分值的差异在r内的进行配对。

(3)核匹配(Kernel Matching)

将干预组样本与由控制组所有样本计算出的一个估计效果进行配对,其中估计效果由实验组个体得分值与控制组所有样本得分值加权平均获得,而权数则由核函数计算得出。 评定匹配后的平衡性 计算平均干预效果(ATT) 进行敏感性分析

安装SPSS 18.0统计软件——我提供的几个小工具都是针对SPSS 18.0的,所以建议安装这个版本;

到这个链接下载工具包,解压缩,获得3个文件(R-2.8.1-win32.exe,PASWStatistics_RPlugIn_1802_win32.exe,psmatching_2.spd),以下都用得着。注:这3个文件对应的是18.0版本的SPSS,如果你使用的是更高版本的SPPS,请在如下步骤的“原始下载链接”中下载对应的文件);

运行R-2.8.1-win32.exe(原始下载链接),安装R for Windows;

运行PASWStatistics_RPlugIn_1802_win32.exe(原始下载链接),安装SPSS的R语言插件;

打开SPSS软件,在菜单里操作:Utilities – Custom Dialogs – Install Custom Dialog (实用程序 – 定制对话框 – 安装自定义对话框),选中psmatching_2.spd文件(原始下载链接)以安装。

重启SPSS,在Analysis(分析)菜单里就可以看到PS Matching了。