Pytania otagowane jako propensity-scores

Prawdopodobieństwo otrzymania leczenia przy danym zestawie obserwowanych zmiennych towarzyszących.

5
Czym różnią się oceny skłonności od dodawania zmiennych towarzyszących w regresji i kiedy są one preferowane w stosunku do tej ostatniej?
Przyznaję, że jestem stosunkowo nowy w ocenach skłonności i analizie przyczynowej. Jedną z rzeczy, która nie jest dla mnie oczywista jako nowicjusz, jest to, że „równoważenie” za pomocą wyników skłonności różni się matematycznie od tego, co dzieje się, gdy dodamy zmienne towarzyszące w regresji? Czym różni się operacja i dlaczego …

3
Dopasowywanie wyniku skłonności po wielokrotnym przypisaniu
Odnoszę się do tego artykułu: Hayes JR, Groner JI. „Korzystanie z wielu ocen imputacji i skłonności do testowania wpływu używania fotelików samochodowych i pasów bezpieczeństwa na stopień obrażeń na podstawie danych rejestru urazów”. J Pediatr Surg. 2008 maja; 43 (5): 924–7. W tym badaniu przeprowadzono wielokrotną imputację w celu uzyskania …

5
Jak radzić sobie z hierarchicznymi / zagnieżdżonymi danymi w uczeniu maszynowym
Wyjaśnię mój problem na przykładzie. Załóżmy, że chcesz przewidzieć dochód danej osoby na podstawie niektórych atrybutów: {Wiek, płeć, kraj, region, miasto}. Masz taki zestaw danych szkoleniowych train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2, 3,3,4,4, 5,5,5,5), CityID=c(1,1,2,3, 4,5,6,6, 7,7,7,8), Age=c(23,48,62,63, 25,41,45,19, 37,41,31,50), Gender=factor(c("M","F","M","F", "M","F","M","F", "F","F","F","M")), Income=c(31,42,71,65, 50,51,101,38, 47,50,55,23)) train CountryID RegionID CityID …
29 regression  machine-learning  multilevel-analysis  correlation  dataset  spatial  paired-comparisons  cross-correlation  clustering  aic  bic  dependent-variable  k-means  mean  standard-error  measurement-error  errors-in-variables  regression  multiple-regression  pca  linear-model  dimensionality-reduction  machine-learning  neural-networks  deep-learning  conv-neural-network  computer-vision  clustering  spss  r  weighted-data  wilcoxon-signed-rank  bayesian  hierarchical-bayesian  bugs  stan  distributions  categorical-data  variance  ecology  r  survival  regression  r-squared  descriptive-statistics  cross-section  maximum-likelihood  factor-analysis  likert  r  multiple-imputation  propensity-scores  distributions  t-test  logit  probit  z-test  confidence-interval  poisson-distribution  deep-learning  conv-neural-network  residual-networks  r  survey  wilcoxon-mann-whitney  ranking  kruskal-wallis  bias  loss-functions  frequentist  decision-theory  risk  machine-learning  distributions  normal-distribution  multivariate-analysis  inference  dataset  factor-analysis  survey  multilevel-analysis  clinical-trials 

5
Czy ze statystycznego punktu widzenia można wnioskować o przyczynowości na podstawie wyników oceny skłonności w badaniu obserwacyjnym?
Pytanie: Czy z punktu widzenia statystyki (lub praktyka) można wnioskować o przyczynowości na podstawie wyników skłonności w badaniu obserwacyjnym ( nie w eksperymencie )? Proszę, nie chcę rozpętać wojny z płomieniami ani fanatycznej debaty. Kontekst: W ramach naszego programu doktoranckiego statystyką zajmowaliśmy się jedynie wnioskami przyczynowymi za pośrednictwem grup roboczych …

1
Różnica między średnim a marginalnym efektem leczenia
Czytałem kilka artykułów i nie jestem pewien na temat szczegółowych definicji średniego efektu leczenia (ATE) i marginalnego efektu leczenia (MTE). Czy oni są tacy sami? Według Austina ... Efekt warunkowy to średni efekt na poziomie podmiotu przeniesienia pacjenta z nieleczonego na leczony. Współczynnik regresji dla zmiennej wskaźnika przypisania leczenia z …

4
Dopasowywanie wyniku skłonności do danych panelowych
Mam podłużny zestaw danych osób, a niektóre z nich zostały poddane leczeniu, a inne nie. Wszystkie osoby są w próbie od urodzenia do 18 roku życia, a leczenie odbywa się w pewnym wieku pomiędzy tym zakresem. Wiek leczenia może się różnić w zależności od przypadku. Korzystając z dopasowywania wyników skłonności, …

4
Dlaczego dopasowywanie wyniku oceny skłonności do wnioskowania przyczynowego?
Dopasowanie oceny skłonności służy do wnioskowania przyczynowego w badaniach obserwacyjnych (patrz artykuł Rosenbaum / Rubin ). Jaka jest prosta intuicja, dlaczego to działa? Innymi słowy, dlaczego jeśli upewnimy się, że prawdopodobieństwo uczestniczenia w leczeniu jest równe dla obu grup, znikną zakłócające efekty i możemy wykorzystać wynik, aby wyciągnąć wnioski przyczynowe …

2
Ważenie wyniku skłonności w analizie PH Coxa i selekcji współzmiennej
W odniesieniu do ważenia wyniku skłonności (IPTW) podczas modelowania proporcjonalnego hazardu Coxa danych dotyczących przeżycia czasu do zdarzenia: Mam potencjalne dane rejestru, w których jesteśmy zainteresowani spojrzeniem na efekt leczenia lekiem, który w większości przypadków pacjenci przyjmowali już na początku. Dlatego nie jestem pewien, jak najlepiej analizować dane. Potencjalnie pewne …

1
Intuicyjne wyjaśnienie odwrotnego prawdopodobieństwa wag leczenia (IPTW) w ważeniu wyniku skłonności?
Rozumiem mechanikę obliczania wag z wykorzystaniem wyników skłonności : w i , j = t r e ap ( xja)p(xja)p(x_i) a następnie zastosowanie wag w analizie regresji, a wagi służą do „kontrolowania” lub rozdzielania efektów zmiennych towarzyszących w populacjach grupy leczonej i kontrolnej ze zmienną wynikową.wi , j = t …

1
Przedział ufności dla średniego efektu leczenia z ważenia oceny skłonności?
Staram się oszacować średni efekt leczenia na podstawie danych obserwacyjnych, stosując ważenie wyniku skłonności (szczególnie IPTW). Myślę, że obliczam ATE poprawnie, ale nie wiem, jak obliczyć przedział ufności ATE, biorąc pod uwagę wagi wyniku odwrotnej skłonności. Oto równanie, którego używam do obliczenia średniego efektu leczenia (odniesienie Stat Med. 10 września …
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.