當處理結果為二元時，JMP 中的因果處理功能可讓您在四種估計技術之間進行選擇：具有比率調整的逆機率加權法 (IPWR)、回歸調整法 (REGADJ)、增強逆機率加權法 (AIPW) 和傾向得分匹配法。您可能對其中一種估計方法比較熟悉，也可能完全不知從何入手。本文將結合「因果處理簡介」部落格文章和 JMP 19 幫助文檔，幫助您確定要報告的結果。
如果您對二元處理對結果的影響感興趣，「因果處理」人格可讓您指定兩個模型：處理模型和回應模型。處理模型估計觀察結果接受處理的機率。反應模型估計結果在兩個處理水準上的預期值。 IPWR 和傾向得分配對使用有關處理模型的資訊來估計因果效應。 REGADJ 使用有關響應模型的資訊。 AIPW 使用兩者的資訊。
如果您讀過「因果處理簡介」部落格文章，您可能還記得對觀察資料進行因果推斷的三個必要假設：正向性、一致性和條件可交換性。為了進行正確的因果推斷，必須做出這些假設，並且還必須假設您能夠正確地建模給定混雜集的處理的條件分佈，或者在給定處理和混雜集的情況下的響應的條件分佈。這是一個強而有力的假設，因為我們可能對產生我們面前樣本的資料產生過程知之甚少。然而，由於 AIPW 估計器同時使用了指定處理和回應模型的信息，因此它更有可能對因果問題得出正確的答案。
AIPW 估計量稱為雙重穩健估計量。 IPWR、傾向分數配對和 REGADJ 估計量要求處理模型或回應模型“正確”，而 AIPW 估計量則提供了兩次機會。如果處理模型或反應模型中有一個模型正確設定，AIPW 估計量將具有一致性（Scharfstein 等人，1999）。一致性意味著隨著樣本量的增加，估計結果會越來越接近你希望估計的真實因果效應。雙重穩健性是因果推論中一個常用的術語，因為它是一種理想的屬性，它允許你利用所有資訊來盡可能接近目標估計量。
因果處理功能非常棒，因為它允許你選擇想要使用的估算器。如果你傾向於使用其他三個估算器之一，請注意以下幾點：
- 傾向分數配對估計量通常只能給出治療對被治療對象的平均治療效應 (ATET) 的估計值，而不能給出平均治療效果 (ATE) 的估計值(Abadie & Imbens, 2006) 。在考慮此方法之前，請先明確定義您感興趣的因果估計量。
- 使用處理模型（即 IPWR 和傾向得分匹配）的方法在小樣本中可能效果更好，因為混雜因素的數量可能超過觀察值的數量，導致結果回歸結果不可靠 (Benedetto et al., 2018)。 IPWR 和傾向分數配對將所有混雜因素資訊合併為一個數字，即傾向得分，這有助於緩解這個問題。
- 當傾向分數極端時，REGADJ 可能比 IPWR 和傾向分數配對更具優勢。許多非常小或非常大的傾向分數可能會導致許多觀測值被排除在分析之外，從而減少樣本量，進而降低估計的精確度（Elze 等人，2017）。
不建議事後比較所有四個估計量的結果。希望本文能幫助您先驗地為您的資料選擇合適的估計量，而其他估計方法可用於敏感度分析。
除了這四種估計方法之外，JMP 中還可以透過多步驟流程實現許多其他估計方法。例如，可以執行 AIPW，以便使用 XGBoost 和 Torch 外掛程式等機器學習工具，或使用廣義迴歸和 GLMM 平台來擬合治療和反應模型。
本部落格由我們與 Safiya Sirota ( @safiya_jmp ) 共同撰寫，她在我們實習期間為這項工作做出了貢獻。
參考
Abadie A, Imbens GW (2006). “平均處理效應匹配估計量的大樣本性質”。計量經濟學，74(1)，235–267。https://doi.org/10.1111/j.1468-0262.2006.00655.x
Benedetto U, Head, SJ, Angelini, GD, Blackstone, EH (2018). “統計入門：傾向評分匹配及其替代方案”。 《歐洲心胸外科雜誌》，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). “傾向評分法與協變量調整的比較：基於4項心血管研究的評估”。 《美國心臟病學會雜誌》，69 (3), 345–357. https://doi.org/10.1016/j.jacc.2016.10.060
Glynn AN, Quinn KM (2010). “增廣逆傾向加權估計量簡介”。 《政治分析》，18 (1)，36–56。 https 
/doi.org/10.1093/pan/mpp036
Scharfstein DO，Rotnitzky A，Robins JM（1999）。 「使用半參數無反應模型調整不可忽略的輟學率」。 《美國統計協會雜誌》 ，94(448)，1096–1120。
能否提供一個範例，說明如何在JMP中使用此功能？我不確定如何設定分析。
