我指的是这篇文章:Hayes JR,Groner JI。 “使用多个归因和倾向评分,通过创伤登记数据来测试汽车座椅和安全带的使用对伤害严重性的影响。” J Pediatr外科。2008年5月; 43(5):924-7。
在这项研究中,进行了多次插补以获得15个完整的数据集。然后为每个数据集计算倾向得分。然后,对于每个观察单位,从完成的15个数据集中的一个数据集中随机选择一个记录(包括相关的倾向得分),从而创建一个最终的数据集,然后通过倾向得分匹配对其进行分析。
我的问题是:在多次插补之后执行倾向得分匹配的有效方法吗?有其他替代方法吗?
对于上下文:在我的新项目中,我旨在比较使用倾向得分匹配的两种治疗方法的效果。缺少数据,我打算使用MICE
R中的包来估算缺失值,然后twang
进行倾向得分匹配,然后lme4
分析匹配的数据。
更新1:
我发现这个纸,它采用不同的方法:米特拉,Robin和莱特尔,杰罗姆P.缺少经由迭代协变量(2011)倾向评分匹配,顺序的多个插补[工作文件]
在本文中,作者计算了所有估算数据集的倾向得分,然后通过平均将其合并,这符合使用鲁宾规则进行点估算的多次插补的精神-但这真的适用于倾向得分吗?
如果CV上的任何人都可以对这两种不同的方法和/或任何其他方法提供评论并给出答案,那真是太好了。