在 JMP 中使用傾向分數進行逆機率加權以及執行過程的自動化 - Kosuke Nakazono (2021-JA-25MP-12)程度：初學者
在觀察性研究和流行病學研究中，為了評估治療效果而進行組間比較時，受試者背景因素的不平衡現象時有發生。組間潛在混雜背景因素的不平衡可能會影響可比較性，因此需要仔細分析。通常，混雜因素的不平衡可以透過分層分析進行一定程度的調整，但當混雜因素相對於樣本量較多時，分層分析可能不適用。
在這種情況下，常用的調整方法是使用傾向分數進行分析。傾向評分主要用於分層分析、配對和逆機率加權 (IPW)，配對可以使用 JMP 外掛程式實現。然而，JMP 無法實現使用傾向評分和 IPW 進行分層分析的功能，需要執行一些手動步驟。由於傾向評分分析會考慮多個傾向評分模型，因此自動化這些步驟對於提高研究效率至關重要。
本次演示將重點介紹使用傾向得分的 IPW，並將演示如何在 JMP 中運行它以及如何自動化該過程。
進階統計建模基礎資料分析與建模消費者與市場研究資料混合與清理數據探索與視覺化實驗設計預測模型和機器學習品質與工藝工程可靠度分析
