当处理结果为二元时，JMP 中的因果处理功能允许您在四种估计技术之间进行选择：带比率调整的逆概率加权法 (IPWR)、回归调整法 (REGADJ)、增强逆概率加权法 (AIPW) 和倾向得分匹配法。您可能对其中一种估计方法比较熟悉，也可能不知从何入手。本文将结合“因果处理简介”博客文章和 JMP 19 帮助文档，帮助您确定要报告的结果。
如果您对二元处理对结果的影响感兴趣，“因果处理”人格允许您指定两个模型：处理模型和响应模型。处理模型估计观察结果接受处理的概率。响应模型估计结果在两个处理水平上的预期值。IPWR 和倾向得分匹配使用有关处理模型的信息来估计因果效应。REGADJ 使用有关响应模型的信息。AIPW 使用两者的信息。
如果您读过“因果处理简介”博客文章，您可能还记得对观察数据进行因果推断的三个必要假设：正向性、一致性和条件可交换性。为了进行正确的因果推断，必须做出这些假设，并且还必须假设您能够正确地建模给定混杂集的处理的条件分布，或者给定处理和混杂集的响应的条件分布。这是一个强有力的假设，因为我们可能对生成我们面前样本的数据生成过程知之甚少。然而，由于 AIPW 估计器同时使用了来自指定处理和响应模型的信息，因此它更有可能对因果问题得出正确的答案。
AIPW 估计量被称为双重稳健估计量。IPWR、倾向得分匹配和 REGADJ 估计量要求处理模型或响应模型“正确”，而 AIPW 估计量则提供了两次机会。如果处理模型或响应模型中有一个模型正确设定，AIPW 估计量将具有一致性（Scharfstein 等人，1999）。一致性意味着随着样本量的增加，估计结果会越来越接近你希望估计的真实因果效应。双重稳健性是因果推断中的一个常用术语，因为它是一种理想的属性，它允许你利用所有信息来尽可能接近目标估计量。
因果处理功能非常棒，因为它允许你选择想要使用的估算器。如果你倾向于使用其他三个估算器之一，请注意以下几点：
- 倾向得分匹配估计量通常只能给出治疗对被治疗对象的平均治疗效应 (ATET) 的估计值，而不能给出平均治疗效果 (ATE) 的估计值(Abadie & Imbens, 2006) 。在考虑此方法之前，请明确定义您感兴趣的因果估计量。
- 使用处理模型（即 IPWR 和倾向得分匹配）的方法在小样本中可能效果更好，因为混杂因素的数量可能超过观察值的数量，导致结果回归结果不可靠 (Benedetto et al., 2018)。IPWR 和倾向得分匹配将所有混杂因素信息合并为一个数字，即倾向得分，这有助于缓解这个问题。
- 当倾向得分极端时，REGADJ 可能比 IPWR 和倾向得分匹配更具优势。许多非常小或非常大的倾向得分可能会导致许多观测值被排除在分析之外，从而减少样本量，进而降低估计的精度（Elze 等人，2017）。
不建议事后比较所有四个估计量的结果。希望本文能帮助您先验地为您的数据选择合适的估计量，而其他估计方法可用于敏感性分析。
除了这四种估计方法之外，JMP 中还可以通过多步骤流程实现许多其他估计方法。例如，可以执行 AIPW，以便使用 XGBoost 和 Torch 插件等机器学习工具，或使用广义回归和 GLMM 平台来拟合治疗和响应模型。
本博客由我们与 Safiya Sirota ( @safiya_jmp ) 共同撰写，她在我们实习期间为这项工作做出了贡献。
参考
Abadie A, Imbens GW (2006). “平均处理效应匹配估计量的大样本性质”。计量经济学，74(1)，235–267。https://doi.org/10.1111/j.1468-0262.2006.00655.x
Benedetto U, Head, SJ, Angelini, GD, Blackstone, EH (2018). “统计学入门：倾向评分匹配及其替代方案”。 《欧洲心胸外科杂志》，53 (6), 1112–1117. https://doi.org/10.1093/ejcts/ezy167
Elze MC, Gregson J, Baber U, Williamson E, Sartori S, Mehran R, Nichols M, Stone GW, Pocock SJ (2017). “倾向评分法与协变量调整的比较：基于4项心血管研究的评估”。 《美国心脏病学会杂志》，69 (3), 345–357. https://doi.org/10.1016/j.jacc.2016.10.060
Glynn AN, Quinn KM (2010). “增广逆倾向加权估计量简介”。 《政治分析》，18 (1)，36–56。https 
/doi.org/10.1093/pan/mpp036
Scharfstein DO，Rotnitzky A，Robins JM（1999）。“使用半参数无响应模型调整不可忽略的辍学率”。 《美国统计协会杂志》 ，94(448)，1096–1120。
能否提供一个示例，说明如何在JMP中使用此功能？我不确定如何设置分析。
