연구 Labs › 倾向性점수
倾向性점수（PSM / IPTW）
관찰性연구中控制교란的主流방법：用逻辑회귀估计倾向점수，再통해 1:1 卡钳匹配（PSM）或逆확률加权（IPTW）使처리집단与대조집단的协변수분포趋于均衡。给出匹配/加权前后的协변수平衡（标准化均差 SMD）与爱情图，선택결과변수효과。브라우저 로컬계산，데이터업로드하지 않음。
① 데이터
붙여넣기含表头데이터：首行列名，그 다음한 줄에 하나개 기록（Tab/쉼표 구분）。처리列与결과변수列编码为 0/1，协변수为수치（범주변수先做哑변수）。
使用说明与方法学
PSM 和 IPTW 어떻게 고르나？
PSM（匹配）直观、便于呈现대응后표본，但会丢弃匹配不上的对象、改变目标人群且표본变小；IPTW（加权）保留全部표본、估计 ATE，但对极端权重敏感（PS 接近 0 或 1 时权重过大）。两者常并用、互相印证。
SMD 왜比 P값更适合看平衡？
집단间协변수차이的 P값受표본크기影响（大표본下微小차이也유의）；SMD 不依赖표본크기，直接刻画标准化的차이大小，<0.1 보통认为平衡양호，是评价匹配/加权效果的권고지표。
协변수어떻게 고르나进倾向점수모형？
포함与결과변수상관的교란因素（包括与결과변수상관的노출前변수），不要포함처리之后才发生的中间변수或仅与처리상관而与결과변수无关的변수。변수선택应基于专业知识与因果图。
倾向점수能消除所有교란吗？
不能。它只能平衡你측정并포함모형的协변수，对未측정교란无能为力——这是与무작위化的根本区别。结论需结合민감도분석（如 E-value）설명对未측정교란的강건性。