手把手教你做倾向评分匹配

各位科研芝士的朋友大家好，今天和大家分享一下新的知识点—PSM，或许大家早已听过这个名词了，或许你对它还是半知半解，不过没关系，希望可以通过今天的帖子帮助你对该名词有一定的理解。

PSM

PSM英文全称为Propensity Score Matching，意思是倾向匹配得分，炸一听？多么有学术气息呀

那么如何通俗的理解PSM模型呢？

举个例子，假设一列病人样本，一组服用了药物A，我们想要知道，如果病人服用了药物A，那么他生活质量是否提高了？他的生存时间是否提高了？

但我们首先面临一个问题，究竟是因为药物A的影响，所以生活质量和生存时间均提高了，还是由于患者本身所产生的差异。

此时可以通过寻找另一列病人样本，服用的则是安慰剂对照。也就是说当我们想研究药物A是否对生活质量和生存时间产生影响时，首先需要找两列在其他各方向均差不多的病人，如果此时二者在生活质量和生存时间上依然产生了差别，那么可以认为这种差异是由是否服用药物A这个因素造成的。这样的方法有一个专业的名词，即PSM。

官方的话语则是：为了探讨某因素（暴露或干预，下面统称处理因素）与结局的关系，需要设立对照组进行比较，其目地是控制非处理因素的干扰，突显处理因素的的效应。

但是在观察性研究中（如队列研究），研究对象是非随机分配的，这就会使混杂因素在两组中分配不均匀，导致处理因素和结局的关系受到混杂因素的干扰。

近几年在国外研究中用的比较广泛的控制混杂因素的方法—倾向性评分匹配（propensity score matching, PSM）。

之前我们平台推出了基于SPSS计算PSM，那我们今天采用R语言计算PSM，测试数据在后台回复"PSM"提供。

今天PSM推荐的包为MatchIt，一听名字就是做匹配用的。

下面进入正题，今天我们看看如何用MatchIt，进行PSM分析：

1. 安装并加载包，关于包的安装，已经讲过多次，直接上代码：

2.数据读取：

数据如下：该数据包括四列信息，分别是年龄，性别，样本类型和病人的ID

接着我们查看样本组成

我们发现该数据集中case样本包括250个，control样本包括1000个，接着我们需要对这两类样本进行匹配，匹配的协变量主要是性别因素和年龄因素。

3. 数据匹配，采用matchit函数，首先要定义一个逻辑变量，这一点非常重要：

生存好逻辑变量之后，接着我们需要进行匹配

Matchit函数的第一个对象为一个表达式，因为进行了逻辑变量分组，接着把需要考虑的协变量放进去，这里主要是性别和年龄，method部分是我们要采取哪种方法进行匹配，一般默认为nearest，表示采取最近邻匹配法，该方法是PSM中最常见也最基本的方法，该方法是将处理组和对照组倾向性评分中最接近的个体进行匹配，当处理组个体全部匹配后，匹配结束，ratio代表匹配比例，当ratio=1，代表进行1:1匹配。

匹配结果展示：

因为我们是250和1000进行匹配，可以看到在control 里面还有750个未匹配到。

5. 配对样本整理

我们按照组别排序，对配对样本整理，便看到左边三列是control组，右边三列是case组，

比如control4和case1进行了配对，则完成了样本之间的配对。

Ok，今天的推文就到这，我们分享了如何在基于R语言的PSM的计算，希望能对大家有所帮助，最后，欢迎大家多多交流。

—END—