非随机化资料基于倾向值模型的联合匹配方法探讨
(0) 目的：探讨非随机化资料基于倾向值模型的联合匹配方法,以控制组内异质性、保证组间均衡性,减少选择偏倚. 方法：以倾向值分析理论为基础,利用中心化距离法处理非随机化资料的极端异常值问题,并在倾向值模型的基础上分别联合马氏距离及卡尺内最近邻匹配,利用Monte Carlo模拟和实例评价联合方法的效果,所有过程在Stata中实现. 结果：按中心化距离di=XV-1XT分别设定其99％、95％和90％置信区间为异常值剔除范围,结果显示95％剔除的样本数与预设异常值个数最吻合.考虑重要影响分组的协变量Z能够得到无偏的效应估计,各方法估计偏差百分比(Dev％)均在±10％以内;但遗漏Z会产生较大的估计偏差(Dev％均大于90％). 结论：中心化距离联合倾向值匹配法在保证组间均衡可比的情况下能够有效地控制非随机化资料的组内变异及估计偏差,保证统计推断的准确性.
医学统计学 非随机化资料 倾向值模型 联合匹配法 中心化距离
秦婷婷 王玲 严明明 伏振 舒畅 尹平
国内会议
天津
中文
137-147
2016-07-26（万方平台首次上网日期，不代表论文的发表时间）