倾向性评分（Propensity Score，PS）的概念首次由Rosenbaum和Rubin在1983年基于反事实理论提出应用于流行病学研究，如今常用于医学、公共卫生、经济学等领域。尤其在真实世界研究中，倾向性得分匹配的应用可以减少数据偏差以及混杂因素的影响，得出更严谨可靠的结果。
倾向性得分匹配和多因素回归都是事后控制潜在混杂因素的重要方法，相比而言，倾向性得分匹配方法更复杂。 多因素回归分析方法在临床研究中最为常见，可以同时校正多种混杂因素/协变量的影响，从而得出更为客观的结论。所以，多因素回归的主要目标是在统计模型内部直接调整观测到的混杂因素对结果的影响，从而估计处理（暴
倾向得分匹配方法（PSM)主要用于处理观察性临床研究或临床试验研究数据亚组分析，能够有效消除混杂因素的影响。也由此，倾向评分在临床科研中迅速得到广泛应用。 用100多个变量构建logistic回归，计算倾向性得分，随后开展倾向性得分匹配，这样是不是合适？ 老郑看到一篇研究论文，不仅做了，还发表在JA
-cnjk.png)
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
Zstats交流群
联系助教
请输入助教告诉您的积分券
如果不填写积分券，将直接使用当前余额支付
请稍候，正在为您生成支付订单
请使用扫描二维码完成支付
二维码获取失败
支付二维码获取失败，请点击重新获取
请稍候，正在为您完成支付
正在使用积分券兑换，然后完成支付 正在使用当前余额完成支付
您的订单已支付完成，页面将在 秒后自动关闭
支付过程中出现错误，请重新选择支付方式
