Niveau: Anfänger
In Beobachtungsstudien und epidemiologischen Studien, die Gruppenvergleiche zur Abschätzung von Behandlungseffekten durchführen, treten häufig Ungleichgewichte bei den Hintergrundfaktoren der Probanden auf. Ungleichgewichte zwischen Gruppen bei potenziell verwirrenden Hintergrundfaktoren können die Vergleichbarkeit beeinträchtigen, daher ist eine sorgfältige Analyse erforderlich. Im Allgemeinen lassen sich Ungleichgewichte bei den Störfaktoren bis zu einem gewissen Grad durch eine stratifizierte Analyse korrigieren. Bei einer großen Anzahl von Störfaktoren im Vergleich zur Stichprobengröße ist eine stratifizierte Analyse jedoch möglicherweise nicht anwendbar.
Eine der in solchen Fällen verwendeten Anpassungsmethoden ist die Analyse mit Propensity Scores. Propensity Scores werden hauptsächlich für geschichtete Analysen, Matching und inverse Wahrscheinlichkeitsgewichtung (IPW) verwendet und können mit einem JMP-Add-In implementiert werden. Allerdings sind geschichtete Analysen mit Propensity Scores und IPW in JMP nicht implementiert und erfordern mehrere manuelle Schritte. Da bei Analysen mit Propensity Scores mehrere Propensity Score-Modelle berücksichtigt werden, ist die Automatisierung der Schritte wichtig, um die Forschungseffizienz zu verbessern.
Diese Präsentation konzentriert sich auf IPW unter Verwendung von Neigungsscores und zeigt, wie es in JMP ausgeführt und das Verfahren automatisiert wird.
