使用JMP Student Edition 19，在傾向評分配對後，是否可以為兩個配對組產生 Kaplan-Meier 生存曲線？
根據 JMP 社群網站的信息，從 JMP 學生版 19 開始提供傾向性評分配對功能，我也成功完成了傾向性評分配對。但是，我無法確定如何比較兩個匹配組之間的生存率（即，如何基於匹配對創建 Kaplan-Meier 生存曲線）。
非常感謝您就此事提供的指導。此外，如果這種生存分析在JMP Pro中可以進行，但在學生版中卻不行，也請您幫忙澄清一下。
在 JMP 學生版 19 中，經過傾向評分配對後，是否可以為兩個配對組建立 Kaplan-Meier 曲線？
我在 JMP 社群搜尋後發現，JMP 學生版 19 可以進行傾向性評分匹配，我也完成了傾向性評分匹配，但我不知道如何比較兩個匹配組的生存率（Kaplan-Meier 曲線）。
非常感謝您能提供任何建議。如果您知道是否可以使用 JMP Pro 而不是學生版進行分析，請告知我。
您好，歡迎加入社群！
我剛把這條訊息從垃圾郵件陷阱裡移除，不過你最好還是把你的問題重新發到https://community.jmp.com/t5/Discussions/bd-p/discussions ，也就是選單列左上角的「討論」版塊。我覺得這個版塊不太有人關注，主要是用來討論社群相關話題，而不是軟體本身。
（不知道為什麼會被誤判為垃圾郵件…）
感謝您分享這個問題。我也想知道如何在 JMP 學生版中進行傾向評分配對後的存活分析。如果有人能解釋 Kaplan-Meier 生存曲線是否可以直接從匹配的數據生成，或者是否需要遵循特定的工作流程，那就太好了。期待有經驗使用者的見解。
你好。
不確定您是否已經找到解決方案。 Kaplan-Meier 分析中沒有「配對樣本」選項。但是…根據您的數據，或許可以建立一個新變量，表示每個受試者（或您數據中的分組）兩個值之間的「差值」。您只需要確保正確定義資料中是否存在刪失資料即可。這類似於對平均差值進行單樣本 t 檢定與進行配對 t 檢定的效果相同。
或者，您可以使用「擬合模型」中的「參數生存分析」平台。在那裡，您需要像指定一個區組一樣指定分組變數。不過，該平台將執行 Kaplan-Meier 存活分析，但您需要選擇合適的分佈（例如，Weibull 分佈）。
希望這能幫到你。
你好，
我認為簡短的答案應該是「不，JMP Pro 或 JMP 學生版不能進行生存分析的傾向評分匹配」。
JMP Pro 和 JMP 學生版的功能完全相同。因此，JMP 學生版可以完成 JMP Pro 能做的所有事情，JMP 學生版也無法完成 JMP Pro 無法完成的事情。
我認為詳細的解釋會非常複雜。
（1）如果您認為進行「常規」存活分析（例如「常規」對數秩檢定和「常規」Cox比例風險模型來估計風險比）就足夠了，那麼您可以在JMP Pro和JMP學生版上完成這些操作。但我個人認為這還不夠。
(2) 你可以從 JMP 中呼叫 R，但這需要一些程式設計知識。
關於(1)，情況非常複雜。首先，即使是對於普通的線性模型，傾向得分配對本身也存在一些爭議。例如，參見篠崎、萩原、田栗和松山合著的《傾向得分匹配》（ISBN 978-4-254-12312-8），第97頁（日文版）。在數理統計中，針對橫斷面資料（如線性模型）的AIPW（增強逆機率加權，又稱雙重穩健估計值）的解釋和總結都相當清晰易懂。例如，如果您具備一定的數理統計知識，可以參考Tsiatis的著作（ISBN 978-0-387-32448-7）。但是，傾向得分配對的效度檢驗卻非常困難。
據我所知，目前對於「最佳」傾向得分配對方法還沒有共識。有人認為不放回的1:1匹配是最佳方法，有人認為有放回的1:1匹配是最佳方法，還有人認為有放回或不放回的1:m匹配是最佳方法。
即使你認為傾向分數配對作為因果推論是有效的，仍然存在其他問題。據我所知，目前對於估計標準誤差的最佳方法還沒有共識（即使在橫斷面分析中，例如線性模型）。 Shinozaki 等人的著作第 96-97 頁對此有所論述。例如，如果你進行 1:1 無放回匹配，有人認為不需要包含匹配變量，但也有人持相反意見。
所以，我個人認為你需要預先確定主要的傾向評分配對分析方法，並且需要進行一些不同的傾向評分配對設定作為敏感度分析。但JMP只能進行「常規」的對數秩檢定或「常規」的Cox比例風險模型分析來估計風險比，所以你不需要進行這些分析。
如果您認為您對 1:1 匹配資料執行的是「常規」對數秩檢驗，那麼我很樂意解釋一下具體步驟。但我個人認為，這種方法不足以估計因果效應。
JMP Pro 或 JMP 學生版也無法進行 REGADJ、IPWR 或 AIPW生存分析。
