摘要：常规的混杂因素校正方法包括分层、匹配或回归分析,但当混杂因素较多时,均不再适用。倾向性评分(propensity score,PS)是解决此类问题的有效工具,它将个体所有协变量信息综合为接受某种处理的条件概率,再利用此概率对样本进行匹配、分层或加权等,可达到"事后随机化"的效果。2000年Imbens等人定义了广义倾向性评分(generalized propensity score,GPS),将传统的PS理论扩展到处理因素为多分类及连续型变量的情形。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社