Bonjour @keiichi , je ne connais pas très bien cet IPTW, mais ce lien pourrait-il m'aider ? Il contient une réponse de @Chris_Kirchberg avec un lien vers un PDF (en japonais). La page 8 de ce PDF contient un lien vers un module complémentaire qui pourrait être ce que vous cherchez.
Monsieur Jed Campbell, merci pour votre réponse rapide. Je connais et utilise le PDF (en japonais) de la réponse de @Chris Kirchberg dont vous m'avez parlé. C'est un module complémentaire très utile pour la correspondance des scores de propension dans JMP. Mais vous êtes tombé sur ce PDF en japonais. Merci beaucoup.
Cette fois, je cherche à obtenir le module complémentaire IPTW pour le score de propension. Après une recherche, j'ai trouvé le lien suivant.
Pondération de probabilité inverse basée sur JMP utilisant les scores de propension et l'automatisation des procédures d'exécution - Nakazono-Takasuke-2021-JA-25MP-12/ev-p/756540
Le lien ci-dessus contient un article du Dr Nakazono Takasuke, du Discovery Summit Japan 2021, intitulé « Pondération de probabilité inverse basée sur JMP utilisant les scores de propension et l'automatisation des procédures d'exécution ». La présentation explique un module complémentaire permettant d'exécuter la méthode IPTW dans JMP, mais comme je ne suis pas familier avec les statistiques, je ne le comprends pas parfaitement. Le présentateur, le Dr Nakazono Kosuke, semble avoir déjà changé d'affiliation et je n'ai pas réussi à le contacter. Si je comprends la méthode de création d'un module complémentaire IPTW décrite dans la présentation, je pense pouvoir en créer un dans mon propre JMP. Si vous en savez plus, n'hésitez pas à me le faire savoir.
C'est tout, et je serais reconnaissant pour tout conseil que vous pourriez me donner.
Je crains que « IPTW » et « propensity score matching » soient des méthodes différentes.
---
Si dans votre analyse IPTW, vous devez calculer uniquement des estimations ponctuelles et que vous n'avez PAS besoin de calculer les erreurs standard, les valeurs p des tests statistiques et les intervalles de confiance, vous pouvez alors effectuer une pondération de probabilité inverse du traitement (IPTW) en suivant les étapes suivantes.
(1) Ajuster les modèles logistiques pour la variable de traitement binaire. Enregistrer les probabilités prédites avec [Enregistrer la formule de probabilité].
(2) Calculez l'inverse de la probabilité par la formule (comme par "(:Traitement==1)/:Prob1 + (:Traitement==0)/:Prob0".
(3) Ajustez un modèle IPTW avec Y = votre variable de réponse, X = votre variable de traitement et Weight = IPTW calculé par (2).
Notez que les erreurs types, les intervalles de confiance et les valeurs de p calculés selon les étapes ci-dessus sont statistiquement incorrects. Cela est dû au fait que la quasi-totalité des plateformes JMP utilisent des pondérations de précision et non d'échantillonnage.
Dans JMP Pro 19 (la prochaine version de JMP Pro) et les versions ultérieures, nous disposerons d'une nouvelle plateforme : la plateforme de traitement causal. Vous pourrez donc utiliser cette plateforme pour effectuer des analyses IPTW (les erreurs types, les valeurs de p et les intervalles de confiance étant également calculés correctement dans cette nouvelle plateforme).
Dans JMP Pro 18 (la version actuelle de JMP Pro) ou avant, il n'existe aucune fonctionnalité permettant de calculer les erreurs standard, les valeurs p et les intervalles de confiance dans IPTW.
---
La correspondance des scores de propension sera également prise en charge dans JMP Pro 19 (prochaine version de JMP Pro).
Bien qu'il soit encore en l'état, j'ai créé il y a une dizaine d'années un module complémentaire permettant d'effectuer une correspondance gloutonne par score de propension un à un. L'URL de téléchargement est disponible sur la page suivante.
https://www.jmp.com/content/dam/jmp/documents/jp/support/propensityscore201412.pdf
Je voudrais vous recommander de lire l’article suivant dans lequel l’appariement par score de propension est critiqué.
King, G. et Nielsen, R. (2019)
Pourquoi les scores de propension ne devraient pas être utilisés pour l'appariement
Analyse politique , 27(4), 435-454.
https://gking.harvard.edu/publications/why-propensity-scores-should-not-be-used-formatching
Dans le document PDF installé avec le module complémentaire de calcul du score de propension, j'ai également présenté les critiques du professeur Stephen Senn.
