机构名称：
¥ 3.0
通过估计和评估二进制，多项式和时变的倾向得分和相关权重，用于对观察数据的因果关系以及相关权重，用于支持观察数据的因果模型的一组功能和程序，用于对观察数据的因果建模，进行了加权和分析工具包。 此软件包在2004年开发。 Twang包在2012年和2020年进行了大量修订。 从版本2.0开始，Twang软件包包括改善计算效率的修订版。 为Twang的先前版本编写的代码仍应在没有修改的情况下运行。 但是，在某些情况下，Twang更新版本的结果将不再复制先前的结果。 如果用户希望从先前版本的Twang复制结果，则必须指定一个新的选项（版本=“传统”）。 本教程提供了twang的介绍，并通过说明性示例演示了其用途。 感兴趣的读者可以在https://www.rand.org/statistics/twang/tutorials.html上查看两个以上治疗组的相关教程和时间变化的治疗。 Twang支持的方法的基础是倾向得分。 倾向得分是将特定情况分配或暴露于治疗条件的概率。 Rosenbaum＆Rubin（1983）表明，知道倾向得分足以将治疗对结果的影响与观察到的混杂因素分开，只要有必要的条件。 文献中现在有许多倾向评分方法。进行了加权和分析工具包。此软件包在2004年开发。Twang包在2012年和2020年进行了大量修订。从版本2.0开始，Twang软件包包括改善计算效率的修订版。为Twang的先前版本编写的代码仍应在没有修改的情况下运行。但是，在某些情况下，Twang更新版本的结果将不再复制先前的结果。如果用户希望从先前版本的Twang复制结果，则必须指定一个新的选项（版本=“传统”）。本教程提供了twang的介绍，并通过说明性示例演示了其用途。感兴趣的读者可以在https://www.rand.org/statistics/twang/tutorials.html上查看两个以上治疗组的相关教程和时间变化的治疗。Twang支持的方法的基础是倾向得分。倾向得分是将特定情况分配或暴露于治疗条件的概率。Rosenbaum＆Rubin（1983）表明，知道倾向得分足以将治疗对结果的影响与观察到的混杂因素分开，只要有必要的条件。文献中现在有许多倾向评分方法。倾向得分具有平衡属性，鉴于倾向得分的倾向分数分布治疗案例的特征分布与控制案例的特征相同。通常尚不清楚治疗选择概率，但对它们的良好估计值可以有效地减少或消除治疗群体差异和治疗结果之间在治疗效果时的混淆。他们差异如何估计倾向得分（例如逻辑回归，购物车），目标估计（例如对处理过的人口治疗效果的影响，以及它们如何利用所得的估计倾向得分（例如层次，匹配，加权，双重稳健估计器）。我们最初开发了一个特定过程的Twang包装，即广泛的增强回归，以估计比较病例的倾向得分和加权，以估计处理过的（ATT）的平均治疗效果。但是，我们已经更新了包裹，以有意义地处理利益在于使用人口权重的情况（例如，比较和治疗案例的加权和治疗案例以估计人口平均治疗效果，ATE）。
twang软件包的指南
主要关键词
相关文件推荐
