Ciao @keiichi , non conosco molto bene questo IPTW, ma questo link potrebbe esserti utile? C'è una risposta di @Chris_Kirchberg con un link a un PDF (in giapponese). A pagina 8 di quel PDF c'è un link a un componente aggiuntivo che potrebbe essere quello che stai cercando.
Sig. Jed Campbell, grazie per la sua tempestiva risposta. Conosco e utilizzo il PDF (in giapponese) della risposta di @Chris Kirchberg di cui mi ha parlato. È un componente aggiuntivo molto utile per il Propensity Score Matching in JMP. Ma lei ha trovato questo PDF in giapponese. Grazie mille.
Quello che sto cercando questa volta è il componente aggiuntivo Propensity Score IPTW. Dopo aver cercato, ho trovato il seguente link.
https://community.jmp.com/t5/Abstracts/Ponderazione della probabilità inversa basata su JMP utilizzando punteggi di propensione e automazione delle procedure di esecuzione - Nakazono-Takasuke-2021-JA-25MP-12/ev-p/756540
Il link sopra riportato contiene un articolo del Dr. Nakazono Takasuke del Discovery Summit Japan 2021 intitolato "Ponderazione di probabilità inversa basata su JMP utilizzando punteggi di propensione e automazione delle procedure di esecuzione". Nella presentazione viene spiegato un componente aggiuntivo che consente di eseguire il metodo IPTW in JMP, ma non avendo familiarità con la statistica, non lo comprendo appieno. Il relatore, il Dr. Nakazono Kosuke, sembra aver già cambiato affiliazione e non sono riuscito a contattarlo. Se riesco a comprendere il metodo per creare un componente aggiuntivo IPTW descritto nella presentazione, credo di poterne creare uno nel mio JMP. Se qualcuno ne sa di più, per favore me lo faccia sapere.
Questo è tutto e ti sarei grato se potessi darmi qualche dritta.
Temo che "IPTW" e "propensity score matching" siano metodi diversi.
---
Se nell'analisi IPTW è necessario calcolare solo stime puntuali e NON è necessario calcolare errori standard, valori p dei test statistici e intervalli di confidenza, è possibile eseguire l'IPTW (ponderazione della probabilità inversa del trattamento) seguendo i passaggi seguenti.
(1) Adattare i modelli logistici per la variabile di trattamento binaria. Salvare le probabilità previste con [Salva formula di probabilità].
(2) Calcola l'inverso della probabilità con la formula (ad esempio "(:Treatment==1)/:Prob1 + (:Treatment==0)/:Prob0".
(3) Adattare un modello IPTW con Y=la variabile di risposta, X=la variabile di trattamento e Peso=IPTW calcolato da (2).
Si noti che gli errori standard, gli intervalli di confidenza e i valori p calcolati con i passaggi precedenti sono statisticamente errati. Questo perché quasi tutte le piattaforme JMP assumono i pesi come "pesi di precisione", non come "pesi di campionamento".
In JMP Pro 19 (la prossima versione di JMP Pro) o versioni successive, avremo una nuova piattaforma, la piattaforma Causal Treatment. Sarà quindi possibile eseguire l'IPTW tramite questa piattaforma (e anche gli errori standard, i valori p e gli intervalli di confidenza vengono calcolati correttamente nella nuova piattaforma di JMP Pro 19).
In JMP Pro 18 (la versione attuale di JMP Pro) o nelle versioni precedenti, non è presente alcuna funzionalità per calcolare errori standard, valori p e intervalli di confidenza in IPTW.
---
Il propensity score matching sarà supportato anche in JMP Pro 19 (prossima versione di JMP Pro).
Sebbene sia "così com'è", circa 10 anni fa ho creato un componente aggiuntivo per eseguire il greedy matching uno a uno basato sul punteggio di propensione. L'URL per scaricarlo è riportato nella pagina seguente.
https://www.jmp.com/content/dam/jmp/documents/jp/support/propensityscore201412.pdf
Vorrei consigliarvi di leggere il seguente articolo in cui viene criticato il propensity score matching.
King, G. e Nielsen, R. (2019)
Perché i punteggi di propensione non dovrebbero essere utilizzati per l'abbinamento
Analisi politica , 27(4), 435-454.
https://gking.harvard.edu/publications/why-propensity-scores-should-not-be-used-formatching
Inoltre, nel documento PDF installato con il componente aggiuntivo Propensity Score Mathing, ho introdotto le critiche del Prof. Stephen Senn.
