1. 为什么倾向得分加权比匹配更值得推荐
在观察性研究中，我们常常需要处理非随机化实验带来的选择偏差问题。传统上，倾向得分匹配(PSM)是最常用的方法，但近年来越来越多的研究者开始转向倾向得分加权(PSW)。这两种方法都基于倾向得分——即给定协变量条件下个体接受处理的概率，但实现方式和效果却大不相同。
我从事数据分析工作多年，处理过数十个观察性研究项目。最初我也习惯使用PSM，直到遇到一个医疗数据项目让我彻底改变了看法。当时我们需要评估某种新药对住院时长的影响，使用PSM后样本量从10万骤减到不足2万，不仅损失了大量信息，结果还出现了明显偏差。改用PSW后，不仅保留了全部样本，估计效果也更加稳定可靠。
2. 核心概念解析与比较
2.1 倾向得分匹配的运作机制
PSM的基本思路是为处理组的每个个体找到一个或多个对照组的"双胞胎"，然后比较这两组的结果差异。常见的匹配算法包括：
- 最近邻匹配：为每个处理组个体选择倾向得分最接近的对照组个体
- 卡尺匹配：在设定的距离范围内寻找匹配对象
- 分层匹配：按倾向得分分层后在层内匹配
匹配后通常需要检查协变量平衡性，常用标准包括标准化差异小于0.1等。但匹配过程会丢弃大量不匹配的样本，这是其主要缺点。
2.2 倾向得分加权的实现原理
PSW通过为每个个体赋予权重来构建一个伪总体，使得加权后的处理组和对照组在协变量分布上相似。最常见的权重包括：
- 逆概率权重(IPTW)：处理组个体权重为1/PS，对照组为1/(1-PS)
- 重叠权重：权重与PS(1-PS)成比例，更关注两组分布重叠区域
- 标准化死亡率权重：使处理组权重和为1，对照组权重和也为1
权重法的优势在于可以利用全部样本信息，特别当处理组和对照组PS分布差异大时。
2.3 两种方法的直观对比
通过一个简单的模拟例子可以清晰看到差异。假设我们有一个处理组(n=500)和一个更大的对照组(n=2000)，PS分布如下：
| 方法 | 保留样本量 | 平衡性检查 | 方差效率 |
|---|---|---|---|
| PSM | 约500对 | 需要 | 较低 |
| PSW | 全部2500 | 需要 | 较高 |
提示：当处理组和对照组样本量差异大时，PSM会损失更多信息，此时PSW优势更明显
3. 倾向得分加权的实操指南
3.1 计算倾向得分的正确姿势
倾向得分估计的质量直接影响加权效果。我推荐以下步骤：
- 变量选择：应包括所有同时影响处理和结果的变量，但不应包括处理后的变量
- 模型构建：逻辑回归是基础，也可考虑机器学习方法如随机森林、GBM等
- 模型诊断：检查ROC曲线、校准图等评估预测效果
- 极端值处理：对PS接近0或1的样本需要特别处理(如截断或排除)
r复制# R代码示例：使用glm计算倾向得分
ps_model <- glm(treatment ~ age + gender + income + disease_severity,
data = df, family = binomial())
df$ps <- predict(ps_model, type = "response")
3.2 权重计算与标准化
根据研究目的选择合适的权重类型：
- ATE(平均处理效应)：使用IPTW，权重=Z/PS + (1-Z)/(1-PS)
- ATT(处理组的平均处理效应)：处理组权重=1，对照组权重=PS/(1-PS)
- ATO(重叠总体效应)：权重=Z(1-PS) + (1-Z)PS
权重标准化很重要，可以避免极端权重影响：
stata复制// Stata示例：计算标准化权重
teffects ipw (outcome) (treatment age gender income), osample(overlap)
3.3 平衡性检查与诊断
加权后必须检查协变量平衡性，我常用的诊断方法包括：
- 标准化差异：所有协变量<0.1视为平衡
- 加权QQ图：检查处理组和对照组分布相似性
- 加权KS检验：检验分布差异
注意：仅检查均值平衡不够，还需检查高阶矩和交互项平衡
4. 实际应用中的经验技巧
4.1 样本重叠不足时的处理策略
当处理组和对照组PS分布重叠区域很小时：
- 限制分析范围：仅保留PS在[min(PS|Z=1), max(PS|Z=0)]范围内的样本
- 使用重叠权重：自然聚焦于重叠区域，无需手动截断
- 考虑其他方法：如双重稳健估计、匹配+加权混合方法
4.2 极端权重问题的解决方案
大权重会放大方差，处理方法包括：
- 权重截断：如将权重上限设为第99百分位数
- 稳健标准误：使用sandwich估计量考虑权重不确定性
- 分层回归调整：在PS分层内再进行回归调整
4.3 机器学习在PS估计中的应用
传统逻辑回归可能无法捕捉复杂关系，可尝试：
- 广义增强模型(GBM)：自动处理非线性与交互作用
- 超级学习器：组合多个基学习器的预测
- 神经网络：适用于超高维数据
但要注意避免过拟合，建议使用交叉验证：
python复制# Python示例：使用LightGBM估计倾向得分
import lightgbm as lgb
params = {'objective':'binary', 'metric':'auc'}
ps_model = lgb.train(params, train_data)
ps = ps_model.predict(X)
5. 常见问题与解决方案实录
5.1 加权后结果模型的选择
加权后的分析模型常见选择：
- 加权回归：直接使用权重参数运行线性/逻辑回归
- 稳健标准误：考虑权重对标准误的影响
- 双重稳健估计：同时建模PS和结果模型，任一正确即可得一致估计
提示：结果模型应包含处理变量和需要调整的协变量
5.2 如何处理缺失数据
PS分析中常见缺失数据问题：
- 多重插补：为每个插补数据集单独计算PS和权重
- 缺失指标法：将缺失作为额外协变量
- PS模型包含缺失模式：添加缺失指标变量
5.3 敏感性分析怎么做
评估未测量混杂的影响：
- E值分析：评估需要多大混杂效应才能改变结论
- 先验分布法：指定未测量混杂的先验分布
- 留出验证集：如果有部分随机化数据可作验证
6. 案例演示：医疗效果评估
以一个真实医疗数据为例，比较PSM和PSW的效果：
- 数据描述：评估新手术方式(n=300)vs传统(n=1200)对康复时间的影响
- PS模型：包含15个术前特征，GBM估计
- PSM实现：1:2最近邻匹配，卡尺=0.2
- PSW实现：重叠权重，标准化处理
结果对比：
| 指标 | PSM估计 | PSW估计 | 随机试验金标准 |
|---|---|---|---|
| 效应值(天) | -2.1 | -1.8 | -1.9 |
| 标准误 | 0.6 | 0.4 | 0.3 |
| 保留样本量 | 600 | 1500 | 1500 |
可见PSW更接近金标准，且效率更高。在实际分析报告中，我通常会同时展示多种方法结果作为敏感性分析。
7. 软件实现推荐
根据我的使用经验，各软件优劣势如下：
-
R：
WeightIt包：支持多种权重方法twang：基于GBM的PS估计cobalt：优秀的平衡性诊断工具
-
Stata：
teffects：官方因果推断命令集psmatch2：经典PSM实现ebalance：熵平衡方法
-
Python：
causalml：Uber开源的因果推断库psmpy：PSM实现sklearn中的分类算法可用于PS估计
对于新手，我推荐从R的WeightIt开始，语法简单且文档完善：
r复制library(WeightIt)
W <- weightit(treatment ~ age + gender + income,
data = df, method = "ps")
summary(W) # 查看权重分布
cobalt::bal.tab(W) # 平衡性检查
8. 报告撰写要点
在研究报告结果时，建议包括：
- PS模型细节：变量列表、估计方法、模型性能
- 权重信息：类型、标准化方法、截断规则(如有)
- 平衡性证据：加权前后标准化差异对比
- 敏感性分析：不同PS模型、权重方法的结果比较
- 局限性：可能的未测量混杂、PS模型误设风险
我通常会制作这样的表格展示平衡性改善：
| 变量 | 原始差异 | 加权后差异 |
|---|---|---|
| 年龄 | 0.32 | 0.05 |
| 性别(男) | 0.18 | 0.03 |
| 收入 | 0.41 | 0.07 |
经过多年实践，我发现PSW最大的优势在于其灵活性——可以根据不同研究问题调整权重定义，而不必受限于样本匹配的约束。特别是在处理样本量差异大、PS分布重叠度低的情况时，PSW往往能给出更合理的结果。当然，任何方法都不能完全消除观察性研究的内生性问题，但PSW至少让我们能更充分地利用已有数据信息。