通过倾向得分的倒数加权后的协变量平衡

问题描述

我的分析侧重于因果推断。我使用倾向分数的倒数来形成权重（倾向分数是在给定一组协变量的情况下接受治疗（或干预）的概率）。 我的问题是，有谁知道我如何在加权前后对协变量进行平衡评估？ 我知道有一些包可以做到这一点，但我想手工编写它而不是使用包。 下面是一个例子：

X1<-c(1,1,1) #Covariate
X2<c(0,0)  #Covariate
X3<-c(1,0) #Treatment
X4<- c(1,0) #Outcome

data<-data.frame(X1,X2,X3,X4)

model<- glm(X3~X1+X2,family= "binomial",data=subset(data,X3==1))
propensity_score<- predict(p,newdata=data,type="response")
weights<- 1/propensity_score

这是看协变量与倾向得分的倒数加权后是否平衡（我知道大致的想法，但不熟悉其背后的理论）

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）