傾向得分匹配的用例是什麼？
我在這裡問過，為了建立因果關係，治療組和對照組是否必須在所有協變量上都相似。
如果我們控制 OLS 回歸中的協變量，答案是否定的。
那麼傾向得分匹配的用例是什麼？
為什麼我不能只運行 OLS 回歸來控制兩組（治療組和對照組）不同的協變量？
編輯：問題是我的同事說我在鏈接問題中提出的 OLS 不起作用，我們需要使用傾向得分匹配。維基百科的說法恰恰相反：
這種阻塞可以通過在回歸中添加混雜變量作為控制來完成，或者通過匹配混雜變量來完成。
因此，根據 Wikipedia 的說法，無論是添加變量作為控件還是使用傾向得分匹配，這兩種方式都可以正常工作
編輯：該主題也在12:00 分鐘的視頻中介紹
您需要區分使用傾向得分來匹配案例還是進行更一般的調整。
此頁面上的討論表明傾向得分匹配的用例並不多。除其他問題外，丟棄信息很少能獲得太多好處。然而，這就是匹配案例所做的，通過使用匹配的傾向得分引入了額外的問題。
也就是說，如果結果的回歸模型（包括感興趣的治療效果和協變量）不完整或不正確，則將自己限制在回歸以控制協變量可能會失敗。而且沒有先驗的方法可以知道是否是這種情況。
逆傾向得分加權提供了另一種在治療組和對照組之間實現有效協變量平衡的方法。獲得治療的可能性較低的病例獲得較高的權重，從而在治療組之間提供更分級的平衡。這有助於估計如果具有相同特徵的個體在對照組和治療組中得到同等代表，會發生什麼。
您可以通過回歸和傾向得分將兩種類型的控制結合起來，以獲得有時稱為“雙重穩健”的估計。如果回歸或傾向評分模型都可以，您可以獲得治療效果的可靠測量 - 正如 Björn 在評論中正確指出的那樣，未觀察到的協變量不存在影響治療組之間結果的異質性。
您提出的問題遠遠超過幾段可以涵蓋的內容。閱讀 Hernán 和 Robins 的因果推理書，了解最近的全面治療。