使用倾向评分进行逆概率加权的研究以及使用 JMP 实现执行程序自动化_Kosuke Nakazono (2021-JA-25MP-12)级别：初学者
在观察性研究和流行病学研究中，为了评估治疗效果而进行组间比较时，受试者背景因素的不平衡现象时有发生。组间潜在混杂背景因素的不平衡可能会影响可比性，因此需要仔细分析。通常，混杂因素的不平衡可以通过分层分析进行一定程度的调整，但当混杂因素相对于样本量较多时，分层分析可能不适用。
在这种情况下，一种常用的调整方法是使用倾向评分进行分析。倾向评分主要用于分层分析、匹配和逆概率加权 (IPW)，匹配可以通过 JMP 插件实现。然而，JMP 不支持使用倾向评分和 IPW 进行分层分析，需要执行一些手动步骤。由于倾向评分分析需要考虑多个倾向评分模型，因此自动化这些步骤对于提高研究效率至关重要。
本次演示将重点介绍使用倾向得分的 IPW，并将演示如何在 JMP 中运行它以及如何自动化该过程。
高级统计建模基础数据分析与建模消费者和市场研究数据混合和清理数据探索与可视化实验设计预测模型和机器学习质量与工艺工程可靠性分析
