现在流行的做法就是倾向得分匹配（PSM）。
但是，倾向得分匹配也会碰到问题，其中主要的问题是，两组数据差别太大，相似的个体很难凑，凑不上匹配数据。
这样子会删除一大堆匹配不上的个体，样本量严重萎缩，最终得出的结果自然不是特别“好看”。
怎么办呢？
我推荐给大家一个方法。叫做倾向得分重叠加权，这是最牛的一种倾向得分方法，这种方法可以尽量在不损失样本量的情况下，实现两组均衡可比。
倾向得分重叠加权，一般可以用R语言来做，大家可以利用现在AI大模型，比如Deepseek找到相应的代码，也可以参加郑老师录制的视频“真实世界研究”课程。
当然，技术上会有一点复杂，但是对你们来说，可以学会的。
另外还有重叠加权相关的文章我们也解读过不少，感兴趣的可以看一下我们往期的推文
这个统计问题就解答到这里，大家可以关注我的公众号“医学论文与统计分析”，我们将分享更多统计学知识！
