使用Match命令来估计二元结果变量中的ATT的倾向得分匹配

是一种在实证研究中常用的方法，用于评估某个处理对于特定结果的因果影响。ATT代表平均处理效应（Average Treatment Effect on the Treated），是指在接受处理的个体中，处理对于结果的平均因果效应。

倾向得分匹配是一种非随机化实验设计的方法，通过将接受处理的个体与未接受处理的个体进行匹配，以消除处理选择的偏倚。Match命令是一种常用的倾向得分匹配方法，它基于个体的特征变量，通过计算倾向得分来进行匹配。

倾向得分是一个衡量个体接受处理的概率的得分，可以使用各种方法来估计，例如逻辑回归、梯度提升树等。Match命令通过计算个体之间的倾向得分差异，将接受处理的个体与未接受处理的个体进行匹配。

倾向得分匹配的优势在于可以减少处理选择引起的偏倚，提高因果推断的可靠性。它可以在非随机化实验设计中使用，帮助研究人员更准确地评估处理的因果效应。

倾向得分匹配在许多领域都有广泛的应用场景，例如教育、医疗、社会科学等。在教育领域，可以使用倾向得分匹配来评估某个教育政策对学生学业成绩的影响；在医疗领域，可以使用倾向得分匹配来评估某种治疗方法对患者生存率的影响。

腾讯云提供了一系列与云计算相关的产品，可以支持倾向得分匹配的实施。例如，腾讯云的人工智能服务可以用于计算个体的倾向得分；腾讯云的数据库服务可以用于存储和管理匹配所需的数据；腾讯云的服务器运维服务可以确保匹配过程的稳定性和可靠性。

更多关于腾讯云相关产品和产品介绍的信息，您可以访问腾讯云官方网站：https://cloud.tencent.com/

相关·内容

教你更科学地花钱：因果推断在增长业务ROI量化评估上的应用

(还有一种常用的方法——PSM倾向性得分匹配，经对比，PSM倾向性得分匹配方法能够处理的数据量在几w级别，且随着数据量的增加计算效率降低很快，甚至出现计算不出结果的情况，故推荐倾向性得分加权的方法)。...二因果评估方法倾向性加权得分从整体用户群中随机抽样，分成两组人群——实验组：参与活动用户；控制组：未参与活动用户，带入二元逻辑回归模型进行迭代，计算得到倾向性得分 P，按照 P 计算权重系数 W 用于均衡控制组人数分布...因果效应 ATT、ATE 和倾向性得分的关系如下： ATE：这里的治疗组即为实验组，ei 即为通过模型计算出的概率得分。 ATT：至此，我们就计算出了权重系数 w。...03迭代优化逻辑回归模型，计算概率P、权重系数w 通过常用的逻辑回归算法计算倾向性加权得分 P，对分类变量进行热编码，匹配加权结果更均匀。...即参与活动前两组用户的日活跃率曲线是否重合，以此来验证倾向性加权得分的效果。 ② 将 N 日时间周期拉长，从后续留存时长变化趋势上帮我们清晰地定位到活动效应的存续周期。

9352 1

因果推断笔记——因果图建模之微软开源的dowhy（一）

）步骤三：「因果效应估计」（estimate）：使用统计方法对表达式进行估计，识别之后的估计「基于估计干预分配的方法」基于倾向的分层（Propensity-based Stratification...）倾向得分匹配（Propensity Score Matching）逆向倾向加权（Inverse Propensity Weighting）「基于估计结果模型的方法」线性回归（Linear...步骤四：「反驳」（refute）使用各种鲁棒性检查来验证估计的正确性「添加随机混杂因子」：添加一个随机变量作为混杂因子后估计因果效应是否会改变（期望结果：不会）「安慰剂干预」：将真实干预变量替换为独立随机变量后因果效应是否会改变...因果效应即干预发生一个单位的改变时，结果变化的程度。下面我们将使用因果图的属性来识别因果效应的估计量。...，估计方法选择的是「倾向得分匹配」，所以的含义是，different_room_assigned = 1 比 different_room_assigned = 0取消的概率，也就是说，换房间（different_room_assigned

2.5K2 0

因果推断笔记——自整理因果推断理论解读（七）

有向图指导我们使用这些条件分布来消除估计偏差，其核心也是估计检验分布、消除其他变量带来的偏差。...DR 估计器的具体公式如下：只要倾向评分或模型能够正确地解释结果中混杂因子与变量之间的关系，DR 估计器就可以给出稳定且无偏的结果。...在 IPW 估计器中，倾向评分同时作为干预概率与协变量的平衡分数而出现，为了利用倾向评分的这一双重特性，研究人员提出了「协变量平衡倾向评分」（CBPS），其通过解决如下问题来估计倾向评分： CBPS...一般来说，通过匹配方法给出第i个单元的潜在结果为：对匹配样本的分析实际上是一种 RCT 的模仿：在 RCT 中，理想情况下干预组与对照组中协变量的分布是类似的，因此我们可以直接比较两个组之间的结果...），将多维的协变量信息通过倾向得分（概率拟合值，scalar）来刻画。

7.9K5 6

因果推断笔记——python 倾向性匹配PSM实现示例（三）

倾向性得分 1.0 matching 的讨论 1.1 精准匹配 1.2 倾向性得分 / 倾向评分匹配由来 1.3 精准匹配 -> 倾向评分匹配 2 基于倾向性评分法的因果推断 2.1 因果效应估计三种方法...2.2 倾向性评分法的均衡性检验 2.3 反驳 3 倾向性得分案例解读一（无代码）：就业与收入的影响 3.1 第一步:使用倾向性评分法估计因果效应 3.2 第二步：评估各倾向性评分方法的均衡性 3.3...1.2 倾向性得分 / 倾向评分匹配由来由此衍生了用倾向性得分进行匹配的方式Propensity Score Matching，简称 PSM：在 PSM 方法中，我们首先对每一个用户计算一个倾向性得分...3.1 第一步:使用倾向性评分法估计因果效应各种倾向性评分法的因果效应估计值在图表7中，由于不同方法的原理不同，估计的因果效应值也不同。...在安慰剂数据法中，由于生成的安慰剂数据(Placebo)替代了真实的处理变量，每个个体接收培训的事实已不存在，因此反驳测试中的因果估计效应大幅下降，接近0，这反过来说明了处理变量对结果变量具有一定因果效应

3.2K3 1

R语言使用倾向评分提高RCT（随机对照试验）的效率

如上所述，倾向评分用于调整观察性研究中的混淆。在RCT中，随机化确保治疗和其他基线变量在统计学上是独立的，即没有混淆。那么倾向得分有什么用呢？...该方法与标准方法相同，其中人们估计倾向评分模型，然后拟合通过倾向评分的倒数加权的结果模型。因此，在第一步中，我们拟合二元治疗指标的模型，基线变量作为协变量。通常我们会使用逻辑回归模型进行建模。...从拟合的倾向评分模型中，我们获得试验中每个受试者的估计接受治疗的概率（而不是对照）。对于二元结果，我们可以拟合逻辑或对数链接回归来估计比值比或风险比。...模拟研究对于实际的方法，我们可以使用二元结果和正态分布的基线变量进行小型模拟研究。我们使用逻辑回归模型生成。...接下来，我们看到IPTW估计器在重复样本中的变量小于标准的未调整估计器。因此，我们通过使用基线变量获得了效率。

8821 0

因果推断笔记—— 相关理论：Rubin Potential、Pearl、倾向性得分、与机器学习异同（二）

Model(RCM)与倾向性得分 3.4.0 从matching -> 倾向性得分 3.4.0.1 精准匹配 3.4.0.2 倾向性得分 / 倾向评分匹配由来 3.4.0.3 精准匹配 -> 倾向评分匹配...倾向得分匹配模型倾向得分匹配模型 (propensity score matching，PSM) 类似于多元线性回归。...），将多维的协变量信息通过倾向得分（概率拟合值，scalar）来刻画。...3.4.0.2 倾向性得分 / 倾向评分匹配由来由此衍生了用倾向性得分进行匹配的方式Propensity Score Matching，简称 PSM：在 PSM 方法中，我们首先对每一个用户计算一个倾向性得分...而在机器学习中，我们使用准确度来衡量机器学习模型的好坏，其目标是在训练集上估计一个条件期望，使得测试集上MSE最小。

3.3K3 1

因果推断文献解析|A Survey on Causal Inference(3)

经过IPW加权之后，我们大致认为各组样本之间不存在选择性偏差，这时，我们用对照组的观测结果( 的加权值来估计整体的对照策略的潜在结果期望，用试验组的观测结果( )的加权值来估计整体的试验策略的潜在结果期望...倾向得分调整可以用来平衡策略组和对照组的相关变量不平衡问题，从而通过匹配、分层(次分类)、回归调整或三者的某种组合来减少偏倚。文献31讨论了使用倾向得分来减少偏差，也提供了例子和详细的讨论。...现实中，回归模型的准确性和倾向得分的准确性都不容易得到验证。结合它们可以增大了估计的鲁棒性。当然了，我们也可以想一些其他办法，将策略效果分解以增加估计的鲁棒性。...IPW方法的倾向得分其实是策略的倾向选择概率，但是选择性偏差带来的是样本之间其他相关变量分布的不平衡。所以使用逆倾向得分属于只考虑了策略的倾向选择概率，却用来平衡样本之间其他相关变量的分布。...通过解决上述问题，CBPS直接从估计的带参数的倾向得分中构建了协变量平衡得分，增加了对倾向得分模型的稳健性。这个式子就很玄妙了，首先这个预定义的映射函数是什么，我们就不知道，作者也没介绍。

1.7K2 0

分析师入门常见错误幸存者偏差，如何用匹配和加权法规避

可能是因为匹配效果不佳，或丢弃了太多数据。实际上，不准确估计的最大原因是数据中存在一些不平衡，即在完成匹配后需要检验匹配结果是否真的实现了平衡两组的混淆变量水平。...步骤1：倾向得分有多种方法可以生成倾向得分（例如逻辑回归，概率回归，甚至是机器学习技术，例如随机森林和神经网络），但是逻辑回归可能是最常见的方法。逻辑回归模型中的结果变量必须是二进制的。...logistic 回归中的 Y 是概率的对数比，这迫使模型的输出在0-1范围内，由于是否使用该功能变量是二进制结果，这里采用逻辑回归来计算倾向得分： ?...当我们在生成倾向得分的模型中包含变量时，就像在匹配中所做的那样，我们处理了混淆变量。但是与匹配不同，该方法不会丢弃任何数据！只是使一些观察样本变得更重要，而另一些则变得不那么重要。...所有模型的结果全文我们只是使用观察数据来估计因果关系。没有随机控制实验（ A/B 实验）的因果关系！

1.4K2 0

因果推断框架 DoWhy 入门

具体来说，其使用基于图的准则与 do-积分来对假设进行建模并识别出非参数化的因果效应；而在估计阶段则主要基于潜在结果框架中的方法进行估计。...具体支持的估计方法列表如下：「基于估计干预分配的方法」基于倾向的分层（Propensity-based Stratification）倾向得分匹配（Propensity Score Matching...上图包含了数据中给定的先验知识（变量分类），我们可以利用这张图来识别因果效应（从因果估计量到概率表达式）并进行估计。...因果效应即干预发生一个单位的改变时，结果变化的程度。下面我们将使用因果图的属性来识别因果效应的估计量。...估计方法选择的是「倾向得分匹配」，具体的原理这里不做介绍。

4.9K2 2

基于潜在结果框架的因果推断入门（上）

这一现象使得反事实结果的估计变得更加困难，因为我们需要去基于观察对照组来估计干预组中单元的对照结果，以及基于观察干预组来估计对照组中单元的干预结果。...在 IPW 估计器中，倾向评分同时作为干预概率与协变量的平衡分数而出现，为了利用倾向评分的这一双重特性，研究人员提出了「协变量平衡倾向评分」（CBPS），其通过解决如下问题来估计倾向评分：其中...最常用的匹配算法是「最近邻匹配」（NNM），具体的步骤是基于相似度得分（例如倾向评分）选择对照组和干预组中最接近的单元进行匹配，干预组单元可以和一个对照组单元进行匹配，称为成对匹配或 1-1 匹配；也可以匹配到两个对照组...一种可行的方法是设置一个容忍度等级，来限制最大可接受的相似度得分（原文中直接使用了倾向评分）距离，这种方法被称为「卡钳匹配」，其添加了一种共同支持条件。...上述匹配方法的共同点在于只使用了对照组中的一小部分观测结果来计算干预组的反事实结果（反之亦然）。「核匹配」和「局部线性匹配」是两种非参数的匹配方法，其使用对照组中观测的加权平均来计算反事实结果。

3.2K6 1

R语言倾向性评分：匹配

倾向性评分最大的优势是将多个混杂因素的影响用一个综合的值来表示，即倾向性评分值（Propensity Score, PS），从而降低协变量的维度，因此该方法尤其适用于协变量较多的情况。...倾向性评分的一般步骤为：估计 PS 值；利用 PS 值均衡协变量分布；均衡性检验及模型评价；处理效应估计。...其中，PS 值的估计是以处理因素作为因变量，其他混杂因素作为自变量，通过建立一个模型（可以是传统的回归模型，也可以是机器学习方法）来估计每个研究对象接受处理因素的可能性。...4种方法均有各自的特点和局限，参考下图：其中协变量调整又可以称为倾向性评分回归、倾向性评分矫正等。用于倾向性评分的数据要进行一些预处理，比如缺失值处理，这在倾向性评分中是很重要的一部分内容！...下面演示使用logistic回归的方法计算PS，这里我们的处理因素是二分类变量(是否吸烟)，可以通过逻辑回归计算这些协变量（也就是混杂因素）的P值，这个P值就是倾向性评分。倾向性评分就是P值！

2.1K4 0

因果推断文献解析|A Survey on Causal Inference(5)

基于倾向得分的映射：倾向得分可以用来代表样本的原始相关变量，所以，两个样本之间的相似性可以直接用：来表示，和是倾向得分；在这个基础上做一些变换也被提出： ,原文文献[131]说明这样变换一下可以有效减少偏差...在原文文献[113]中，当两个单位倾向得分的差异在一定范围内时，进一步在一些关键协变量上用其他距离进行比较。...其他映射方法：倾向得分还是只考虑了相关变量的信息，另外的一些映射方法将结果信息也考虑进来，这样映射空间的信息更加丰富。一个有代表性的指标是预知分数prognosis score，即估计的对照结果。...而且他们与观测结果是线性无关的，即消除了混杂的影响。与基于倾向得分的距离指标侧重于样本相关变量的平衡相比，预知分数和HSIC-NNM侧重于样本在转换空间的投影和观测结果之间的关系。...上面讨论的匹配算法有一个共同点，那就是在控制组中选取少数的观察结果来评估策略组样本的反事实结果。核匹配(KM)和局部线性匹配(LLM)是非参数匹配，使用对照组的观测值加权平均来创建反事实结果。

9231 0

因果推断（二）倾向匹配得分（PSM）

因果推断（二）倾向匹配得分（PSM）前文介绍了如何通过合成控制法构造相似的对照组，除此之外，也可以根据倾向匹配得分（PSM）进行构造，即为每一个试验组样本在对照组中找对与之相似的样本进行匹配。...PSM 通过统计学模型计算每个样本的每个协变量的综合倾向性得分，再按照倾向性得分是否接近进⾏匹配。本文参考自PSM倾向得分匹配法[1]。 ⚠️注意：倾向匹配得分常用于截面数据数据准备 # !...自定义函数 # 计算propensity def cal_propensity(df, formula, k): df=df.copy() # 利用逻辑回归框架计算倾向得分，即广义线性估计...# 提取全部干预与倾向匹配数据 # 这里直接调用get_matched_data，注意输入的matches是匹配结果，raw_data是全部数据 matched_data = get_matched_data...总结如果产品告诉你，我们发现使用A功能的用户比没有使用A功能的用户留存率提高了30%。

5653 0

因果推断笔记——因果图建模之Uber开源的CausalML（十二）

使用统计方法对表达式进行估计，识别之后的估计「基于估计干预分配的方法」基于倾向的分层（Propensity-based Stratification）倾向得分匹配（Propensity..., X-协变量, treatment-干预, e - PS倾向性得分这里对应使用的估计器是： LRSRegressor —— Linear Regression XGBTRegressor—— XGBoost...get_synthetic_preds_holdout生成之后数据张什么样子，因为生成过程比较慢，建议把n调小一些，其中train_preds是，涵盖了，元数据，倾向得分，各类模型的估计结果： {'...首先，引述了可用倾向性得分代替X做ATE估计然后，为了准确预测ATE而非关注到Y预测上，我们应尽可能使用 X中与 T 相关的部分特征。...其中一种方法就是首先训练一个网络用X预测T，然后移除最后一层并接上Y的预测，则可以实现将X中与T相关的部分提取出来(即倾向性得分相关)，并用于Y的预测。

4K2 0

因果推断笔记——DR ：Doubly Robust学习笔记（二十）

ATE的估计 1.1.2 CATE的估计 1.2 DR 与DML的异同 2 econml的实现这个系列文章：因果推断笔记——python 倾向性匹配PSM实现示例（三）因果推断笔记——DML...其他关联可见：倾向得分方法的双重稳健且有效的改进经过IPW加权之后，我们大致认为各组样本之间不存在选择性偏差，这时，我们用对照组的观测结果的加权值来估计整体的对照策略的潜在结果期望，用试验组的观测结果的加权值来估计整体的试验策略的潜在结果期望...所以使用逆倾向得分属于只考虑了策略的倾向选择概率，却用来平衡样本之间其他相关变量的分布。...而调整变量集会被视为对结果变量的噪声，进行消减。最后使用经过调整的结果，去估计平均因果效应。...不同点：在于第一阶段估计目标变量Y时，同时使用X和Treatment作为特征。然后DR是需要计算PS倾向得分的，虽然都是经过一些步骤，但是有较大差异。

3K3 2

基于潜在结果框架的因果推断入门（下）

进一步地，使用干预分配与混杂因子表征来推断最终的潜在结果。...其首先对给定工具变量与其他协变量的干预变量的条件分布进行建模，使用包含针对条件干预分布的积分的损失函数进行训练，然后利用现有的监督学习技术来估计因果关系。...预干预协变量共有 25 种，包括出生体重、头围、新生儿健康指数、母亲年龄、教育水平、用药、饮酒情况等。干预组为新生儿提供了强化的高质量儿童护理与专家上门服务。结果变量是新生儿的认知测试得分。...工具包名称支持方法语言 Dowhy 倾向回归分层 & 匹配、逆倾向加权、回归方法 Python Causal ML 基于树的方法，元学习方法 Python EconML 双重稳健估计器、正交随机森林...举例来说，有研究者提出了随机最近邻匹配方法来估计数字化营销活动的干预效果；有研究者使用协变量平衡广义倾向得分（CGBPS）来分析政治广告的效力。

2.9K2 0

干货 | 携程火车票基于因果推断的业务实践

这种思想最经典的方法是倾向得分匹配法（PSM）。构造虚拟现实（Synthetic Control）：这种思路认为策略的影响其实是策略上了之后的指标表现和“假设策略没上”的平行时空中指标表现的差值。...有向图指导我们使用这些条件分布来消除估计偏差，其核心也是估计检验分布、消除其他变量带来的偏差。...以上两种因果框架是两种互补的推测虚拟事实的方法，目的都是为了计算存在混淆变量时，干预变量时对结果的影响，都需要对因果关系作假设，以及控制带来偏差的变量，不同点在于 Rubin 框架估计的因果效应主要是干预前后的期望差值...图3-2 UPLIFT模型结果展示 3.2 虚拟价值评估场景 — 倾向性得分匹配模型介绍：通过计算倾向性得分从观测数据中找到相似的人群，即在未干预人群中找到与干预人群相似的人，如图 3-3。...图3-5 解决问题思路图结果展示：如图 3-6 所示，左上角图中展示的是实验组和对照组原始的倾向性得分，右下角图为实验组和对照组匹配之后的人群得分，可以看出，从两组中挑选出来的人群倾向性得分匹配程度较高

5403 1

预测友谊和其他有趣的图机器学习任务

分类，非常相似；唯一的区别是目标变量是分类变量而不是数值变量——这在数学术语中只是意味着它在有限集合中取值，而不是在ℝ中。...大多数分类器不是直接预测数据点的类别，而是首先计算倾向（propensity）分数，直到归一化，这基本上是每个分类的估计概率，然后预测的分类是倾向得分最高的类。...具体来说，对于 10-NN，如果一个数据点有 5 个红色邻居、3 个绿色邻居和 2 个蓝色邻居，那么红色的倾向得分为 0.5，绿色的倾向得分为 0.3，蓝色的倾向得分为 0.2（当然，预测本身是红色的）...对于二元分类，通常只报告0到1之间的单个倾向分数，因为另一个类的倾向得分只是互补概率。回到边预测任务，考虑一个有 n 个顶点的图，想象一个从 n 个中选择 2 行的矩阵，由图中的顶点对索引。...在此数据上训练二元分类器，在非邻居中倾向得分最高的顶点对是最倾向于成为邻居的对 - 也就是说，根据所使用的特征，这是最有可能形成的下一个边。

4083 0

学习笔记CB006:依存句法、LTP、N-最短路径、由字构词分词法、图论、概率论

ATT attribute，状中结构 ADV adverbial，动补结构 CMP complement，并列关系 COO coordinate，介宾关系 POB preposition-object...上个世纪，中文自动分词每句话都要到汉语词表中查找，正向最大匹配法、逆向最大匹配法、双向扫描法、助词遍历法。中文自动分词最难两个问题：1）歧义消除；2）未登陆词识别。...基于大量语料库，利用平均感知机分类器对特征打分，训练权重系数，得出模型用来分词，句子右边多出一个字，用模型计算这些特征的加权得分，得分最高的是正确分词方法。 n元语法模型方法，词表里已有词分词。...贝叶斯网络模型通过样本学习估计每个节点概率，达到预测各种问题结果。贝叶斯网络在已知有限的、不完整的、不确定信息条件下学习推理，广泛应用在故障诊断、维修决策、汉语自动分词、词义消歧等问题。...使用训练数据估计，p(a|b)通过训练数据特征估计，比如特征fi(a,b)，模型训练∑λf(a,b)中λ参数过程。机器学习线性回归了。所以最大熵模型，利用熵原理和熵公式，描述具有概率规律现实。

1.6K3 0

汽车经销商客户流失预警：逻辑回归（LR）、LASSO、逐步回归

建模逻辑回归（LR）逻辑回归是在线性回归的基础上，套用一个逻辑函数，以估计某种事物的可能性，可用于解决分类问题。模型优化 1.上线之前的优化：变量筛选。...我们通过比较训练集上的 AUC 值来判别各模型预测能力的强弱。...由于采用一个分割点对客户进行二元分类的方法未能体现出客户流失可能性之间的差异，我们需要对客户流失倾向做进一步的区分。...根据预警得分， 4S 店的店主应该首先向占比仅 1.74%而流失比例超过 72.16%的得到 5 分预警的客户采取挽回措施，有效减少了挽回成本和对流失倾向很低的客户的打扰。...总体而言，新的得分机制设计下，更好地体现了不同预警水平下客户流失倾向的区分度，店主依据此得分报表能够更有针对性地完成流失客户识别和挽回措施的制定，预测模型基本达到了指导售后服务的要求。。

3960 0

点击加载更多

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云