Hola @keiichi , no estoy muy familiarizado con esta semana de IPTW, pero ¿te serviría este enlace ? En él, hay una respuesta de @Chris_Kirchberg con un enlace a un PDF (en japonés). La página 8 de ese PDF tiene un enlace a un complemento que podría ser lo que buscas.
Sr. Jed Campbell, gracias por su pronta respuesta. Conozco y uso el PDF (en japonés) de la respuesta de @Chris Kirchberg que me mencionó. Es un complemento muy útil para el emparejamiento por puntuación de propensión en JMP. Pero encontró este PDF en japonés. Muchas gracias.
Lo que busco esta vez es el complemento de puntuación de propensión IPTW. Después de buscar, encontré el siguiente enlace.
Ponderación de probabilidad inversa basada en JMP mediante puntuaciones de propensión y automatización de procedimientos de ejecución - Nakazono-Takasuke-2021-JA-25MP-12/ev-p/756540
El enlace anterior contiene un artículo del Dr. Nakazono Takasuke de Discovery Summit Japan 2021 titulado "Ponderación de probabilidad inversa basada en JMP mediante puntuaciones de propensión y automatización de procedimientos de ejecución". En la presentación, se explica un complemento que permite ejecutar el método IPTW en JMP, pero como no estoy familiarizado con la estadística, no lo entiendo del todo. El presentador, el Dr. Nakazono Kosuke, parece haber cambiado de afiliación y no he podido contactarlo. Si entiendo el método para crear un complemento IPTW descrito en la presentación, creo que podré crear uno en mi propio JMP. Si alguien sabe más sobre esto, por favor, hágamelo saber.
Eso es todo y agradecería cualquier orientación que puedan brindarme.
Me temo que "IPTW" y "emparejamiento por puntuación de propensión" son métodos diferentes.
---
Si en su análisis IPTW necesita calcular solo estimaciones puntuales y NO necesita calcular errores estándar, valores p de pruebas estadísticas e intervalos de confianza, entonces puede hacer IPTW (ponderación de probabilidad inversa del tratamiento) siguiendo los siguientes pasos.
(1) Ajuste los modelos logísticos para la variable de tratamiento binaria. Guarde las probabilidades predichas con [Guardar fórmula de probabilidad].
(2) Calcule la inversa de la probabilidad mediante la fórmula (como por "(:Tratamiento==1)/:Prob1 + (:Tratamiento==0)/:Prob0".
(3) Ajuste un modelo IPTW con Y=su variable de respuesta, X=su variable de tratamiento y Peso=IPTW calculado por (2).
Tenga en cuenta que los errores estándar, los intervalos de confianza y los valores p calculados mediante los pasos anteriores son estadísticamente incorrectos. Esto se debe a que casi todas las plataformas de JMP asumen que las ponderaciones son de precisión, no de muestreo.
En JMP Pro 19 (la próxima versión de JMP Pro) o posterior, tendremos una nueva plataforma: la de Tratamiento Causal. Por lo tanto, podrá realizar IPTW con esta plataforma (y los errores estándar, los valores p y los intervalos de confianza también se calculan correctamente en la nueva plataforma de JMP Pro 19).
En JMP Pro 18 (la versión actual de JMP Pro) o anteriores, no hay ninguna función para calcular errores estándar, valores p e intervalos de confianza en IPTW.
---
La correspondencia por puntuación de propensión también será compatible con JMP Pro 19 (próxima versión de JMP Pro).
Aunque está "tal cual", creé un complemento para realizar la correspondencia voraz por puntuación de propensión uno a uno hace unos 10 años. La URL para descargarla está en la siguiente página.
https://www.jmp.com/content/dam/jmp/documents/jp/support/propensityscore201412.pdf
Me gustaría recomendarle la lectura del siguiente artículo en el que se critica el emparejamiento por puntaje de propensión.
King, G. y Nielsen, R. (2019)
Por qué no se deberían utilizar los puntajes de propensión para el emparejamiento
Análisis político , 27(4), 435-454.
https://gking.harvard.edu/publications/por-que-no-deben-usarse-las-puntuaciones-de-propensión-formateando
También en el documento PDF que se instala con el complemento de matemáticas de puntuación de propensión, también presenté a los críticos del profesor Stephen Senn.
