| rdfs:comment
| - Propensity Score Matching (PSM, deutsch etwa paarweise Zuordnung auf Basis von Neigungsscores) ist eine Form des Matching zur Schätzung von Kausaleffekten in nicht-experimentellen Beobachtungsstudien. PSM wurde 1983 von Paul Rosenbaum und Donald Rubin vorgestellt. (de)
- 倾向评分匹配（Propensity Score Matching，简称PSM）是一种统计学方法，用于处理观察研究（Observational Study）的数据。在观察研究中，由于种种原因，数据偏差（bias）和（confounding variable）较多，倾向评分匹配的方法正是为了减少这些偏差和混杂变量的影响，以便对实验组和对照组进行更合理的比较。这种方法最早由Paul Rosenbaum和Donald Rubin在1983年提出，一般常用于医学、公共卫生、经济学等领域。以公共卫生学为例，假设研究问题是吸烟对于大众健康的影响，研究人员常常得到的数据是观察研究数据，而不是随机对照实验数据（Randomized Controlled Trial data），因为吸烟者的行为和结果，以及不吸烟者的行为和结果，是很容易观察到的。但如果要进行随机对照实验，招收大量被试，然后随机分配到吸烟组和不吸烟组，这种实验设计不太容易实现，也并不符合科研伦理。这种情况下观察研究是最合适的研究方法。但是面对最容易获得的观察研究数据，如果不加调整，很容易获得错误的结论，比如拿吸烟组健康状况最好的一些人和不吸烟组健康状况最不好的一些人作对比，得出吸烟对于健康并无负面影响的结论。从统计学角度分析原因，这是因为观察研究并未采用随机分组的方法，无法基于大数定理的作用，在实验组和对照组之间削弱混杂变量的影响，很容易产生系统性的偏差。倾向评分匹配就是用来解决这个问题，消除组别之间的干扰因素。 (zh)
- En el análisis estadístico de los estudios observacionales, el pareamiento por puntaje de propensión o Propensity score matching (PSM) en inglés, es una técnica estadística de coincidencia que intenta estimar el efecto de un tratamiento, una política, u otra intervención por cuenta de las covariables que predicen que recibe el tratamiento. PSM intenta reducir el sesgo debido a la confusión de las variables que se pueden encontrar en una estimación del efecto del tratamiento obtenido de la simple comparación de los resultados entre unidades que recibieron el tratamiento frente a los que no lo hicieron. La técnica fue publicada por primera vez por Paul Rosenbaum y Donald Rubin en 1983, y aplica el modelo causal de Rubin para los estudios observacionales. (es)
- In the statistical analysis of observational data, propensity score matching (PSM) is a statistical matching technique that attempts to estimate the effect of a treatment, policy, or other intervention by accounting for the covariates that predict receiving the treatment. PSM attempts to reduce the bias due to confounding variables that could be found in an estimate of the treatment effect obtained from simply comparing outcomes among units that received the treatment versus those that did not. Paul R. Rosenbaum and Donald Rubin introduced the technique in 1983. (en)
- 傾向スコア・マッチング（プロペンシティ・スコア・マッチング、propensity score matching、PSM）は、観察データの統計分析の分野において、治療を受けることを予測する共変量を考慮して、処置（treatment）、方針、その他介入の効果を推定しようとするマッチング手法。処置を受けた人々と受けなかった人々の結果を単純に比較して治療効果を推定すると交絡変数によるバイアス（偏り）が発生する。このバイアスを軽減するための手法が傾向スコア・マッチングであり、1983年、ポール・ローゼンバウムとドナルド・ルービンが発表した 。 処置群とコントロール群（非処置群）の処置結果（平均処置効果など）の違いは、処置そのものではなく処置を予測する要因によって引き起こされる可能性があり、その場合はバイアスが発生する。ランダム化比較試験では、無作為割り付けによってバイアスなく処置効果を推定することができる。無作為割り付けによって、各共変量のバランスが取れることを大数の法則が保証する。残念ながら、観察研究の多くで、処置の無作為割り付けはなされていない。マッチングでは、観察された共変量が同じくらいの標本を処置群とコントロール群のそれぞれから抽出することにより、割り付けバイアスを減らして、無作為割り付けに近いものにする。 (ja)
|
| has abstract
| - Propensity Score Matching (PSM, deutsch etwa paarweise Zuordnung auf Basis von Neigungsscores) ist eine Form des Matching zur Schätzung von Kausaleffekten in nicht-experimentellen Beobachtungsstudien. PSM wurde 1983 von Paul Rosenbaum und Donald Rubin vorgestellt. (de)
- En el análisis estadístico de los estudios observacionales, el pareamiento por puntaje de propensión o Propensity score matching (PSM) en inglés, es una técnica estadística de coincidencia que intenta estimar el efecto de un tratamiento, una política, u otra intervención por cuenta de las covariables que predicen que recibe el tratamiento. PSM intenta reducir el sesgo debido a la confusión de las variables que se pueden encontrar en una estimación del efecto del tratamiento obtenido de la simple comparación de los resultados entre unidades que recibieron el tratamiento frente a los que no lo hicieron. La técnica fue publicada por primera vez por Paul Rosenbaum y Donald Rubin en 1983, y aplica el modelo causal de Rubin para los estudios observacionales. La posibilidad de sesgo surge porque la aparente diferencia en los resultados de estos dos grupos de unidades puede depender de las características que afectaron en la decisión de administrar un cierto tratamiento a una unidad en lugar de por el efecto del tratamiento en sí. En , la aleatorización permite la estimación objetiva de los efectos del tratamiento, para cada covariable aleatorización implica que los grupos de tratamiento se equilibrarán en promedio, por la ley de los grandes números. Desafortunadamente, para los estudios de observación, la asignación de tratamientos a los sujetos de investigación es, por definición, no aleatorio. Este método trata de imitar al azar mediante la creación de una muestra de unidades que recibió el tratamiento que sea comparable en todas las covariables observadas a una muestra de unidades que no recibieron el tratamiento. Por ejemplo, uno puede estar interesado en saber las consecuencias de fumar o las consecuencias de ir a la universidad. El conjunto 'tratado' son simplemente aquellos- los fumadores, o graduados de la universidad- que se someten en el curso de la vida diaria a aquello que está siendo estudiado por el investigador. En ambos casos no es factible (y quizás poco ético) asignar al azar a las personas a fumar o a la educación universitaria. El efecto estimado del tratamiento mediante la simple comparación de un resultado, por ejemplo la tasa de cáncer o los ingresos a lo largo de la vida, entre los que fumaban y no fumaban o entre los que asistieron o no asistieron a la universidad estaría sesgado por factores que predicen el tabaquismo o la asistencia a la universidad, respectivamente. PSM intenta controlar estas diferencias para que los grupos que recibieron tratamiento y no tratamiento se aproximen a una investigación aleatoria y ver que estos sean más comparables. (es)
- In the statistical analysis of observational data, propensity score matching (PSM) is a statistical matching technique that attempts to estimate the effect of a treatment, policy, or other intervention by accounting for the covariates that predict receiving the treatment. PSM attempts to reduce the bias due to confounding variables that could be found in an estimate of the treatment effect obtained from simply comparing outcomes among units that received the treatment versus those that did not. Paul R. Rosenbaum and Donald Rubin introduced the technique in 1983. The possibility of bias arises because a difference in the treatment outcome (such as the average treatment effect) between treated and untreated groups may be caused by a factor that predicts treatment rather than the treatment itself. In randomized experiments, the randomization enables unbiased estimation of treatment effects; for each covariate, randomization implies that treatment-groups will be balanced on average, by the law of large numbers. Unfortunately, for observational studies, the assignment of treatments to research subjects is typically not random. Matching attempts to reduce the treatment assignment bias, and mimic randomization, by creating a sample of units that received the treatment that is comparable on all observed covariates to a sample of units that did not receive the treatment. For example, one may be interested to know the consequences of smoking. An observational study is required since it is unethical to randomly assign people to the treatment 'smoking.' The treatment effect estimated by simply comparing those who smoked to those who did not smoke would be biased by any factors that predict smoking (e.g.: gender and age). PSM attempts to control for these biases by making the groups receiving treatment and not-treatment comparable with respect to the control variables. (en)
- 傾向スコア・マッチング（プロペンシティ・スコア・マッチング、propensity score matching、PSM）は、観察データの統計分析の分野において、治療を受けることを予測する共変量を考慮して、処置（treatment）、方針、その他介入の効果を推定しようとするマッチング手法。処置を受けた人々と受けなかった人々の結果を単純に比較して治療効果を推定すると交絡変数によるバイアス（偏り）が発生する。このバイアスを軽減するための手法が傾向スコア・マッチングであり、1983年、ポール・ローゼンバウムとドナルド・ルービンが発表した 。 処置群とコントロール群（非処置群）の処置結果（平均処置効果など）の違いは、処置そのものではなく処置を予測する要因によって引き起こされる可能性があり、その場合はバイアスが発生する。ランダム化比較試験では、無作為割り付けによってバイアスなく処置効果を推定することができる。無作為割り付けによって、各共変量のバランスが取れることを大数の法則が保証する。残念ながら、観察研究の多くで、処置の無作為割り付けはなされていない。マッチングでは、観察された共変量が同じくらいの標本を処置群とコントロール群のそれぞれから抽出することにより、割り付けバイアスを減らして、無作為割り付けに近いものにする。 たとえば、喫煙の影響を知りたい場合を考える。人々を喫煙群に無作為に割り付けることは非倫理的であるため、観察研究が必要である。喫煙群と非喫煙群とを単純に比較することによって処置効果を推定すると、喫煙率に影響する要因（性別や年齢など）によるバイアスが生じる。傾向スコア・マッチングでは、処置群とコントロール群の制御変数（この例では性別や年齢など）を同じくらいにすることによって、これらのバイアスを制御することを目指す。 (ja)
- 倾向评分匹配（Propensity Score Matching，简称PSM）是一种统计学方法，用于处理观察研究（Observational Study）的数据。在观察研究中，由于种种原因，数据偏差（bias）和（confounding variable）较多，倾向评分匹配的方法正是为了减少这些偏差和混杂变量的影响，以便对实验组和对照组进行更合理的比较。这种方法最早由Paul Rosenbaum和Donald Rubin在1983年提出，一般常用于医学、公共卫生、经济学等领域。以公共卫生学为例，假设研究问题是吸烟对于大众健康的影响，研究人员常常得到的数据是观察研究数据，而不是随机对照实验数据（Randomized Controlled Trial data），因为吸烟者的行为和结果，以及不吸烟者的行为和结果，是很容易观察到的。但如果要进行随机对照实验，招收大量被试，然后随机分配到吸烟组和不吸烟组，这种实验设计不太容易实现，也并不符合科研伦理。这种情况下观察研究是最合适的研究方法。但是面对最容易获得的观察研究数据，如果不加调整，很容易获得错误的结论，比如拿吸烟组健康状况最好的一些人和不吸烟组健康状况最不好的一些人作对比，得出吸烟对于健康并无负面影响的结论。从统计学角度分析原因，这是因为观察研究并未采用随机分组的方法，无法基于大数定理的作用，在实验组和对照组之间削弱混杂变量的影响，很容易产生系统性的偏差。倾向评分匹配就是用来解决这个问题，消除组别之间的干扰因素。 (zh)
|
![[RDF Data]](/fct/images/sw-rdf-blue.png)
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)