SPSS詳細操作：1：n傾向性評分匹配（PSM）在上一篇文章中，我們向大家介紹了如何給SPSS安裝插件，拓展出1：n傾向性評分匹配的功能。詳見：滿滿干貨！給SPSS插上1:n傾向性評分匹配(PSM)的翅膀在今天的內(nèi)容中，我們就繼續(xù)給大家介紹一下，如何使用SPSS進行簡單的幾步操作，就能輕松搞定高大上的1：n傾向性評分匹配。一、問題與數(shù)據(jù)假設(shè)某位心內(nèi)科醫(yī)生在門診連續(xù)收集了170名就診患者，其中冠心病（CHD）患者24名，146名對照，并記錄了他們的性別、年齡、BMI、LDL-C等信息，擬探討LDL-C水平與冠心病的關(guān)系（此處不對該研究的設(shè)計方法進行評價）。數(shù)據(jù)格式如下：注意：這里有2點大坑需要大家值得關(guān)注：(1)所有的變量名須是英文名稱，不要使用中文，否則會導(dǎo)致后面回歸模型建模失?。?2)所有變量不能有缺失值，包括擬進行匹配和不進行匹配的全部變量，都不允許出現(xiàn)缺失值。首先該醫(yī)生對數(shù)據(jù)進行了初步分析，將病例組和對照組之間的各個因素進行比較，結(jié)果發(fā)現(xiàn)兩組各因素間差異均有統(tǒng)計學(xué)顯著性。但為了保證兩組人群之間各混雜因素能夠均衡可比，該醫(yī)生擬采用1：n傾向性評分匹配的方法來對兩組人群進行匹配。表1.傾向性評分匹配前兩組間各個因素的比較結(jié)果二、SPSSPSMatching拓展功能操作1.選擇analyze→PSMatching2.在PropensityScoreMatching對話框中(1)將分組變量CHD選入BinaryTreatmentIndicator中，其中1代表病例組，0代表對照組，且變量類型必須定義為尺度變量。(2)將用于計算傾向性評分的協(xié)變量age、BMI、gender選入Covariates，將與處理因素?zé)o關(guān)的協(xié)變量選入AdditionalCovariates。注意：一般根據(jù)結(jié)局變量與混雜變量構(gòu)建二分類logistic回歸模型，進行逐步回歸，將進入模型的變量選入Covariates，剔除的變量選入AdditionalCovariates。(3)設(shè)定Caliper值，為0~1之間，該值設(shè)置越大，越接近于1，就越容易找到匹配的對象，但結(jié)果就越容易出現(xiàn)不平衡；該值設(shè)置越小越接近于0，匹配就越嚴格，但是符合匹配要求的患者就少了，最終導(dǎo)致研究的統(tǒng)計效能降低，很有可能找不到匹配的對象。本例中暫且設(shè)置為0.1，也就是說如果一個病例組研究對象患有冠心病的概率為0.8，那么與之匹配的對照組研究對象患有冠心病的概率須在0.7-0.9之間。3.點擊PlotandOutput選項在Plots下勾選Histogramofstandardizeddifferences、Dotplotofstandardizedmeandifferences、Lineplotofindividualdifferences，分別繪制SD分布直方圖、單變量SD散點圖、標準化差異變化線圖。在OutputDatasets下勾選Paireddatasetby“matched_id”，在Include下選擇Matchedcases，并在BalanceStatistics下選擇Detailed–byExactMatchingvariables。4.點擊NearestNeighbor選項在MatchRatio下選擇Match1:many，并設(shè)定匹配數(shù)量n，一般n不超過4，否則容易出現(xiàn)過度匹配的現(xiàn)象。本例中以設(shè)定1:2為例進行匹配。Matchingorder下拉框選擇Random。5.點擊OK完成操作。三、結(jié)果解讀1.樣本匹配結(jié)果結(jié)果顯示，SPSS生成了一個新的已完成匹配的數(shù)據(jù)文件，其中包含病例組21人，對照組39人，我們發(fā)現(xiàn)兩組人群約為1:2，但并非是絕對的1:2匹配，這是因為有些病例未能同時找到有效匹配的對照人群。2.匹配后的均衡性度量在輸出結(jié)果“RelativemultivariateimbalanceL1”中，L1measure統(tǒng)計量理論上介于0~1之間，匹配前和匹配后相比，L1measure統(tǒng)計量越小，提示匹配效果越好。在本例研究中，匹配后的L1measure統(tǒng)計量為0.643，遠小于匹配前的0.808，提示匹配良好。3.顯示匹配后不均衡的變量在輸出結(jié)果“Summaryofunbalancedcovariates”中，若|d|>0.25，則提示變量存在不均衡性。在本例研究中，結(jié)果顯示沒有變量|d|>0.25，提示匹配后所有匹配的變量都達到了平衡。4.匹配后均衡性比較對于匹配后的協(xié)變量均衡性比較應(yīng)該遵守兩個原則：①評價方法應(yīng)該是針對樣本而不是總體

仔細想想，傾向性評分匹配實際上是從一個隨機獲得的有代表性樣本中再“挑”出一部分進行分析，這時候再去通過“挑出來樣本”去推斷最開始的總體，顯然已經(jīng)不合適啦。②評價指標應(yīng)該與樣本量大小無關(guān)

為啥呢？想想看看，我們前面提到的匹配比例可以從1:1設(shè)定到1:4（事實上可以任意無限大設(shè)置，但是考慮匹配效率，推薦不要超過1:4），如果某個評價指標和樣本量有關(guān)，那極有可能會遇到不同樣本量下完全不一樣的比較結(jié)果。綜上，你腦海里第一反應(yīng)的t檢驗或者卡方檢驗在這里已經(jīng)不合適了。當(dāng)然，還有其他常見的可用于協(xié)變量均衡性比較的指標，比如說C統(tǒng)計量等，也是存在很多缺點的（想要進一步了解這方面的內(nèi)容，推薦大家一篇綜述[1]）。有小伙伴要問啦，這個方法也不行，那個也不行，到底用啥方法評價均衡性？別急，方法還是有的。在傾向性評分匹配后的均衡性比較中，推薦大家使用標準差異（Standardizeddifference）。一般而言，標準差異絕對值小于10%時，可認為組間均衡性較好。具體計算公式如下：再回到本例中，SPSS在結(jié)果中輸出了DetailedBalance表格，展示了各個變量匹配前后的均值、標準差和標準差異等信息，結(jié)果顯示CHD組和對照組的年齡、BMI的標準差異絕對值分別為12.2%和3.7%。由于性別為分類變量，匹配后根據(jù)上述公式計算其標準差異絕對值為0.83%。按照上面提到的10%的標準，性別和BMI匹配后在兩組中均衡性較好，但是年齡就差點兒，這也說明傾向性評分匹配也不是萬能的，如果兩組沒有足夠“重疊的部分”（比如說一個不太恰當(dāng)?shù)睦?，某慢病人群和體檢中心健康人群進行匹配，前者年齡一般會比后者大不少，想要保證兩組匹配后年齡均衡可比，自然是難度大大的），匹配的結(jié)果也不會非常理想。以上僅是舉例，重在方法操作。再回過頭來，瞅瞅組間LDL-C水平（表2）。結(jié)果顯示，匹配后的CHD組LDL-C水平高于對照組，組間差異明顯縮小了不少，但是獲得了一個比較“干凈”的效應(yīng)，提示LDL-C可能是CHD發(fā)生的一個危險因素。為了進一步確定LDL-C水平對CHD發(fā)生風(fēng)險的效應(yīng)大小，可以根據(jù)我們前期推送的教程《SPSS實例教程|1:m匹配病例對照Logistic回歸》，來進行更加深入的分析和探討。表2.傾向性評分匹配前后兩組LDL-C比較結(jié)果5.圖形輸出結(jié)果5.1SD分布直方圖若匹配后的標準差異集中在0附近，可以提示匹配達到了較好的效果。5.2標準化差異變化線圖和單變量SD散點圖這兩個圖的點值與上述DetailedBalance表格中的值是相對應(yīng)的，均展示了匹配前后，各個協(xié)變量標準差異的變化。標準化差異變化線圖顯示，匹配后各個協(xié)變量標準差異均明顯降低，單變量SD散點圖顯示匹配后標準差異基本集中在0附近，提示變量達到了均衡，匹配效果良好，可以結(jié)合DetailedBalance表格進行輔助判斷。我們通過兩期的內(nèi)容向大家詳細介紹了在SPSS中實現(xiàn)1:n傾向性評分匹配的功能，在學(xué)習(xí)統(tǒng)計學(xué)的道路上又get了一項高大上的新技能，如果大家在實操的過程中還遇到什么問題，歡迎在下方留言討論哈！參考文獻1.JClinEpidemiol.2015;68:112-21.更多閱讀1