คำอธิบายที่ใช้งานง่ายสำหรับความน่าจะเป็นค่าผกผันของน้ำหนักการรักษา (IPTWs) ในการให้คะแนนความชอบ?

ฉันเข้าใจกลไกของการคำนวณน้ำหนักโดยใช้คะแนนความชอบ : แล้วนำน้ำหนักไปใช้ในการวิเคราะห์การถดถอยและให้น้ำหนักกับ "การควบคุมสำหรับ" หรือยกเลิกการเชื่อมโยงผลกระทบของโควาเรียตในประชากรกลุ่มการรักษาและกลุ่มควบคุมด้วยตัวแปรผลลัพธ์$p(x_i)$

อย่างไรก็ตามในระดับลำไส้ฉันไม่เข้าใจว่าน้ำหนักบรรลุเป้าหมายนี้อย่างไรและทำไมจึงสร้างสมการดังกล่าว

คะแนนนิสัยชอบ คำนวณความน่าจะเป็นเรื่องของที่จะได้รับการรักษาที่ได้รับข้อมูลในการXขั้นตอน IPTWพยายามที่จะทำให้เคาน์เตอร์ข้อเท็จจริงอนุมานโดดเด่นมากขึ้นโดยใช้คะแนนนิสัยชอบ การมีความน่าจะเป็นสูงที่จะได้รับการรักษาและคาดว่าจะได้รับการรักษานั้นจริงไม่มีข้อมูลเกี่ยวกับการต่อต้าน การมีความน่าจะเป็นต่ำที่จะได้รับการรักษาและการได้รับการรักษานั้นเป็นเรื่องแปลก กล่าวคือ ลักษณะส่วนใหญ่เกี่ยวข้องกับวิชาควบคุม ดังนั้นน้ำหนักสำหรับเรื่องการรักษาคือ$p(x_i)$$i$$X$$\text{w}_{i,j=\text{treat}} = \frac{1}{p(x_i)}$เพิ่มน้ำหนักให้กับวิชารักษาที่ไม่น่าเป็นไปได้ / มีข้อมูลมาก ตามแนวคิดเดียวกันหากผู้ควบคุมมีความน่าจะเป็นสูงที่จะได้รับการรักษามันเป็นตัวบ่งชี้ที่ให้ข้อมูลว่าผู้เข้าร่วมการวิจัยจะปฏิบัติตนอย่างไรหากอยู่ในกลุ่มควบคุม ในกรณีนี้การให้น้ำหนักสำหรับวัตถุควบคุมคือเพิ่มน้ำหนักให้กับการควบคุมที่ไม่น่าเป็นไปได้ / มีข้อมูลมาก อาสาสมัคร อันที่จริงสมการในตัวอย่างแรกอาจปรากฏขึ้นโดยพลการบ้าง แต่ฉันคิดว่าพวกเขาสามารถอธิบายได้ง่ายภายใต้เหตุผลตอบโต้ข้อเท็จจริง ท้ายที่สุดการจับคู่ / PSM / น้ำหนักเป็นประจำพยายามที่จะร่างกรอบการทดลองเสมือนในข้อมูลเชิงสังเกตการณ์ของเรา อุดมคติใหม่$\text{w}_{i,j=\text{control}} = \frac{1}{1-p(x_i)}$ การทดลอง

ในกรณีที่คุณยังไม่ได้เจอพวกเขาผมขอแนะนำให้คุณอ่านจวร์ต (2010): การจับคู่วิธีการสำหรับสาเหตุการอนุมาน: ทบทวนและมองไปข้างหน้าและ Thoemmes และคิม (2011): ระบบตรวจสอบของนิสัยชอบคะแนนวิธีการในสังคมศาสตร์ ; ทั้งสองถูกเขียนอย่างดีและทำหน้าที่เป็นเอกสารที่ดีในเรื่องนี้ ตรวจสอบการบรรยายที่ยอดเยี่ยมนี้ในปี 2558 ว่าทำไมไม่ควรใช้คะแนนความชอบสำหรับการจับคู่โดยคิง พวกเขาช่วยฉันสร้างสัญชาตญาณในเรื่อง