今年9月，JMP产品更新至最新版本19。
此次更新为 JMP Pro 和 JMP 学生版新增了一个名为“因果处理效应”的平台，允许您使用倾向得分匹配进行分析。
在本文中，我们将通过一个例子来解释如何使用这个“因果处理效应”平台进行倾向得分匹配。
倾向得分匹配示例
为了研究某种医疗方法的有效性，我们收集了 181 名患者的数据。每位患者被分为“接受医疗治疗”或“未接受医疗治疗”两类，并评估了治疗结果（有效或无效）。
与治疗和结果相关的患者特征将作为协变量，包括性别、年龄、吸烟史、BMI 和严重程度评分。
结果（结果） ："Y：结果"（1：有效，0：无效）
处理方式："T: 处理方式"（1: 处理（治疗组），0: 未处理（对照组））
协变量：「X1:Sex」、「X2:Age」、「X3:Smoking」、「X4:BMI」、「X5:Severity Score」
可以从本博客下载此数据（JMP 格式）（PM_example.jmp）。
启动因果治疗效应平台
根据以上数据，执行以下操作：
- 选择“分析”>“拟合模型”，然后将“模型规范”窗口右上角的方法更改为“因果处理效应” 。
- 如下图所示，指定与 [Y] 和 [Treatment] 对应的列。此外，打开“处理模型”选项卡，并使用“添加”按钮指定协变量（X1 至 X5）。
- 点击运行。
注意：如果为 Y 指定名义（或有序）尺度列，则类别数必须为二。此外，处理变量也必须是两类别的名义（有序）尺度。（不能使用三个或更多类别。）
在出现的“拟合因果处理效应”报告中，展开“其他倾向得分方法”，然后从“倾向得分匹配方法”中选择“最近邻”。
然后，您可以按如下方式指定倾向评分法的各种选项：
选项的含义如下所述。
每次观察的匹配数：指定一个治疗受试者应匹配多少个对照受试者。
默认值“1”表示一对一匹配，“2”表示一对二匹配。
最小和最大倾向得分：设置用于匹配的倾向得分的最小值和最大值。由于倾向得分的范围为 0 到 1，因此默认设置为使用所有观测值进行匹配。
卡尺：表示待匹配观测值之间“倾向得分的最大允许差异”。实际上，容差的计算方法是将指定的卡尺值乘以“匹配统计量的共同标准差的合并估计值”。例如，如果估计的标准差为 0.1，而卡尺值指定为 0.2，则容差为 0.02 (= 0.2 × 0.1)。超出容差范围的观测值将被排除在匹配之外。
匹配统计：您可以指定“倾向得分的Logit值”（默认）或“倾向得分”。如果您指定“倾向得分的Logit值”，则匹配将使用倾向得分的logit转换值，而不是倾向得分本身。
有放回匹配：如果选中此项，则对照组中的相同观测值可以重复用于多个处理组的观测值。如果未选中此项，则已使用过一次的对照组观测值将不再重复使用。通常，有放回抽样会增加可匹配的样本数量。
目前，请保留默认设置，然后点击左侧的“运行”。
匹配结果
查看报告“倾向评分匹配摘要”。
“匹配参数”显示您刚刚指定的选项的值。
“按治疗分组的倾向得分分布”显示了每个治疗组（=1）和对照组（=0）的倾向得分的logit分布。蓝点表示匹配的观测值，而红点表示落在卡尺之外的未匹配（排除）观测值。
同时，系统会输出一个新的数据表，汇总匹配结果。该表显示了匹配样本的状态。匹配对显示为“匹配 ID”。在本例中，治疗组和对照组共创建了 68 对匹配样本。
注意：如果在模型报告中选择“将因果效应列保存到表中”，则显示估计因果效应的列（包括倾向得分、倾向得分的logit值以及行是否匹配）将保存到原始数据表中。
匹配数据分析
最终报告《匹配数据分析》提供了有关拟合匹配数据的模型的信息。
本文使用的模型是一个逻辑回归模型，结果变量为 Y，处理因素为固定效应，匹配 ID 为随机效应。在倾向评分匹配中，评分相近的处理组和对照组会被配对，因此同一 ID 内的观测值不能被视为独立，这种情况通过将其视为随机效应来解决。
查看“固定效应的参数估计”，项 Treatment[0-1] 的参数估计值为 -1.663。该项中显示的 [0-1] 表示“对照组 (=0) 对处理组 (=1) 的影响”，表明对照组的 logit 值（效应概率）比处理组低 1.663。
估计值 (-1.663) 的 95% 置信区间为 [-2.554, -0.772]，不包含 0，且 p 值很小，为 0.003，因此存在显著差异。
换句话说，可以得出因果推断，进行医疗手术会显著增加取得积极结果的概率。
通过在“二项式”报告左侧的红色三角形按钮中选择“[边际预测图] > [轮廓图]”，即可获得各组的“有效”预测概率。对照组的预测概率为 0.117，治疗组的预测概率为 0.411，表明该治疗预计有约 30% 的效果。
如果我们取处理估计值（= -1.663）的符号的倒数，并将该值放在指数的肩部，我们得到
exp(1.663) = 5.28
这显示了在“存在疗效”这一标准下，治疗组相对于对照组的优势比。换句话说，接受治疗后，疗效的几率比对照组高出约5.3倍。
即使 Y 是连续变量
到目前为止的例子中，Y 都是二元名义变量，但当Y 是连续变量时，也可以使用类似的操作来执行倾向得分匹配。
JMP 示例数据“血压治疗.jmp”是使用连续变量“给药后收缩压”作为 Y 的示例。
在这种情况下，假设 Y 服从正态分布，将线性混合模型拟合到匹配的数据。
作者：Naohiro Masukawa（JMP 日本）
Naohiro Masukawa - JMP 用户社区
