USPS-package(USPS)
USPS-package()所属R语言包：USPS
Unsupervised and Supervised Propensity Score Adjustment for Bias and Confounding
无监督和监督的偏见和混淆的倾向分数调整
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Define Local Treatment Differences (LTDs) and Local Average Outcomes (LAOs) within Clusters of patients who have been relatively well-matched on their baseline X-covariates. The resulting distribution of LTD effect-size estimates can be interpreted much like a Bayesion posterior yet has been formed, via Nonparametric Preprocessing, in a purely Objective way.
定义局部处理差异（Ltd子公司）和当地平均水平的成果（老挝）聚类内的患者一直比较匹配他们的的基线X-协变量。 LTD效果大小的估计结果的分布可以解释但已经形成，则，就像一个Bayesion后，通过非参数预处理，在一个纯粹的客观的方式。
Details
详细信息----------Details----------
SUPERVISED OUTCOME BINNING AND SMOOTHING VIA ESTIMATED PROPENSITY SCORES:
监督观察分级和平滑VIA估计倾向得分：
Once one has fitted a somewhat smooth curve through scatters of observed outcomes, Y, versus fitted propensity scores, X, for the patients in each of the two treatment groups, one can consider the question: "Over the range where both smooth curves are defined (i.e. their common support), what is the (weighted) average signed difference between these two curves?"
一旦一个人通过散射观测到的结果，Y，与合身的倾向得分，X，两个治疗组的患者在每个装有一个比较平滑的曲线，一个可以考虑的问题是：“在范围上都平滑曲线（即它们的共同支持），什么是（加权）平均签署了这两条曲线之间的差异？“
UNSUPERVISED NEAREST NEIGHBORS / LOCAL TREATMENT DIFFERENCES:
无监督的近邻/ LOCAL待遇上的差别：
Multiple calls to UPSnnltd(n) for varying numbers of clusters, n, are typically made after first invoking UPShclus() to hierarchically cluster patients in X-space and then invoking UPSaccum() to specify a Y outcome variable and a two-level treatment factor t. UPSnnltd(n) then determines the LTD Distribution corresponding to n clusters and, optionally, displays this distribution in a "Snowball" plot.
多次调用UPSnnltd（n）为不同的数字聚类，N，通常是由后首先调用UPShclus（），以分层聚类患者在X-空间，然后的调用UPSaccum（）来指定一个Y的结果变量和一个2级待遇因子t。 UPSnnltd（N），然后确定相应的团簇，“滚雪球”的图，显示此分布在公司分布。
UNSUPERVISED INSTRUMENTAL VARIABLES / LOCAL AVERAGE TREATMENT EFFECTS:
无监督的工具变量/当地平均水平的治疗效果：
Multiple calls to UPSivadj(n) for varying numbers of clusters, n, yield alternative linear smoothes of LATE estimates plotted versus within cluster propensity score (observed treatment fraction) percentages.
多次调用不同的数字聚类，正UPSivadj（N），产生替代线性平滑后期估计作图聚类内倾向得分（观察治疗部分）的百分比。
（作者）----------Author(s)----------
Bob Obenchain <wizbob@att.net>
参考文献----------References----------
A Roughness Penalty Approach. Chapman and Hall.
Myocardial Infarction in the Elderly Reduce Mortality?: Analysis Using Instrumental Variables. JAMA 272: 859-866.
Proceedings of the American Statistical Association (on CD) 8 pages.
in Observational Studies for Causal Effects. Biometrika 70: 41-55.
Biometrics 36: 293-298.
实例----------Examples----------
demo(abcix)
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-10-1 14:19:34
