CQI365: 如何使用python 執行Propensity score matching 研究

567

近開始整理之前的研究檔案，其中一個retrospective cohort study所收集到的實驗與對照組人數落差太大，對照組是試驗組的10倍以上。為了減少研究的落差，可以採用Propensity score matching的方式。以下有兩個方法透過python來處理：

#1 Propensity score matching:

參考：matched pairs in Python (Propensity score matching)

from sklearn.preprocessing import StandardScalerfrom sklearn.neighbors import NearestNeighbors
 
def get_matching_pairs(treated_df, non_treated_df, scaler=True):
 treated_x = treated_df.values
 non_treated_x = non_treated_df.values
 if scaler == True:
 scaler = StandardScaler()
 if scaler:
 scaler.fit(treated_x)
 treated_x = scaler.transform(treated_x)
 non_treated_x = scaler.transform(non_treated_x)
 nbrs= NearestNeighbors(n_neighbors=1,algorithm=’ball_tree’).fit(non_treated_x)
 distances, indices = nbrs.kneighbors(treated_x)
 indices = indices.reshape(indices.shape[0])
 matched = non_treated_df.iloc[indices]
return matched
matched_df = get_matching_pairs(treated_df, non_treated_df)

說明與思考

這段程式碼使用sklearn的scalar先把數值標準化，在透過NearestNeighbors的方式，找到最接近的個案！可以直接拿來產出兩組，在進行後面的研究流程。

#2 statsmodel Propensity score matching:

參考：heart-propensity-score-matching.pdf

# python 
model = ‘treated ~ age + male +edu’ propensity = smf.logit(formula=model, data = df).fit() propensity.summary()

思考

1. 這個方式，透過logit regression，產出一個針對’group’的預測數值。
2. 可以直接這個數值當作一個控制變因來使用！