使用JMP Student Edition 19，在倾向评分匹配后，是否可以为两个匹配组生成 Kaplan-Meier 生存曲线？
根据 JMP 社区网站的信息，从 JMP 学生版 19 开始提供倾向性评分匹配功能，我也成功完成了倾向性评分匹配。但是，我无法确定如何比较两个匹配组之间的生存率（即，如何基于匹配对创建 Kaplan-Meier 生存曲线）。
非常感谢您就此事提供的指导。此外，如果这种生存分析在JMP Pro中可以进行，但在学生版中却不行，也请您帮忙澄清一下。
在 JMP 学生版 19 中，经过倾向评分匹配后，是否可以为两个匹配组创建 Kaplan-Meier 曲线？
我在 JMP 社区搜索后发现，JMP 学生版 19 可以进行倾向性评分匹配，我也完成了倾向性评分匹配，但我不知道如何比较两个匹配组的生存率（Kaplan-Meier 曲线）。
非常感谢您能提供任何建议。如果您知道是否可以使用 JMP Pro 而不是学生版进行分析，请告知我。
您好，欢迎加入社区！
我刚把这条信息从垃圾邮件陷阱里清除出去，不过你最好还是把你的问题重新发到https://community.jmp.com/t5/Discussions/bd-p/discussions ，也就是菜单栏左上角的“讨论”版块。我觉得这个版块不太有人关注，主要是用来讨论社区相关的事情，而不是软件本身。
（不知道为什么会被误判为垃圾邮件……）
感谢您分享这个问题。我也很想知道如何在 JMP 学生版中进行倾向评分匹配后的生存分析。如果有人能解释一下 Kaplan-Meier 生存曲线是否可以直接从匹配的数据生成，或者是否需要遵循特定的工作流程，那就太好了。期待有经验用户的见解。
你好。
不确定您是否已经找到解决方案。Kaplan-Meier 分析中没有“配对样本”选项。但是……根据您的数据，或许可以创建一个新变量，表示每个受试者（或您数据中的分组）两个值之间的“差值”。您只需要确保正确定义数据中是否存在删失数据即可。这类似于对均值差值进行单样本 t 检验与进行配对 t 检验的效果相同。
或者，您可以使用“拟合模型”中的“参数生存分析”平台。在那里，您需要像指定一个区组一样指定分组变量。不过，该平台将执行 Kaplan-Meier 生存分析，但您需要选择合适的分布（例如，Weibull 分布）。
希望这能帮到你。
你好，
我认为简短的答案应该是“不，JMP Pro 或 JMP 学生版不能进行生存分析的倾向评分匹配”。
JMP Pro 和 JMP 学生版的功能完全相同。因此，JMP 学生版可以完成 JMP Pro 能做的所有事情，JMP 学生版也无法完成 JMP Pro 无法完成的事情。
我认为详细的解释会非常复杂。
（1）如果您认为进行“常规”生存分析（例如“常规”对数秩检验和“常规”Cox比例风险模型来估计风险比）就足够了，那么您可以在JMP Pro和JMP学生版上完成这些操作。但我个人认为这还不够。
(2) 你可以从 JMP 中调用 R，但这需要一些编程知识。
关于(1)，情况非常复杂。首先，即使是对于普通的线性模型，倾向得分匹配本身也存在一些争议。例如，参见篠崎、萩原、田栗和松山合著的《倾向得分匹配》（ISBN 978-4-254-12312-8），第97页（日文版）。在数理统计中，针对横截面数据（如线性模型）的AIPW（增强逆概率加权，又称双重稳健估计）的解释和总结都相当清晰易懂。例如，如果您具备一定的数理统计知识，可以参考Tsiatis的著作（ISBN 978-0-387-32448-7）。但是，倾向得分匹配的有效性检验却非常困难。
据我所知，目前对于“最佳”倾向得分匹配方法还没有共识。有人认为不放回的1:1匹配是最佳方法，有人认为有放回的1:1匹配是最佳方法，还有人认为有放回或不放回的1:m匹配是最佳方法。
即使你认为倾向得分匹配作为因果推断是有效的，仍然存在其他问题。据我所知，目前对于估计标准误差的最佳方法还没有共识（即使是在横截面分析中，例如线性模型）。Shinozaki 等人的著作第 96-97 页对此有所论述。例如，如果你进行 1:1 无放回匹配，有人认为不需要包含匹配变量，但也有人持相反意见。
所以，我个人认为你需要预先确定主要的倾向评分匹配分析方法，并且需要进行一些不同的倾向评分匹配设置作为敏感性分析。但是JMP只能进行“常规”的对数秩检验或“常规”的Cox比例风险模型分析来估计风险比，所以你不需要进行这些分析。
如果您认为您对 1:1 匹配数据执行的是“常规”对数秩检验，那么我很乐意解释一下具体步骤。但我个人认为，这种方法不足以估计因果效应。
JMP Pro 或 JMP 学生版也无法进行 REGADJ、IPWR 或 AIPW生存分析。
