similar to: Propensity Score Matching

Hola chic en s, alguien con experiencia en propensión score matching? Planteo duda: Clasicamente el PSM se ha utilizado en un intento de homogeneizar cohortes de enfermos quienes han estado ?expuestos? a un tratamiento x Vs aquellos que no han estado expuestos (no expuestos). Esto aplica para medicamentos o procedimientos quirúrgicos o no. Bien, En algún articulo he leído que el PSM se puede

Buenos días, Soy Cristian Rodelo y quería haceros una pregunta. Tengo un conjunto de datos en los que a un grupo de sujetos se les realizaron medidas de tensión arterial a lo largo de 24 horas. En promedio 4 determinaciones horarias. Es decir que cada sujeto se le realizaron 4 determinaciones horarias durante 24 horas. Bien, quiero determinar la trayectoria longitudinal de las mediciones de

Estimados amigos y expertos del R, Les escribo para hacerles una pregunta que parece un poco sencilla pero me ha costado mucho. Estoy tratando de graficar los datos correspondientes a tasas de consumo de algunos organismos cuando están expuestos o no expuestos a un químico sobre tres tipos de presa. Por definición, debía ajustar los datos a un glm con distribución gama. Las gráficas pueden ser

Buenas. Abajo pongo la salida de un modelo de cox , dónde he estratificado por una variable de país (Countryb) y por otra (Q6). Además hay interacción entre la variable mobilityPDurG2 (es una variable 0,1, y 0 es la categoría de referencia) país. La categoría de referencia para país es "united kingdom". Mi duda surge si quiero calcular el hazard ratio para los que tienen un 1

Dear All, I would like to find something ( references, code,..) to implement a comparison of three treatments in an observational study using the 'Propensity Score'. Any help is much appreciated. Thanks! Giovanni -- dr. Giovanni Parrinello Department of Biotecnologies Medical Statistics Unit University of Brescia Viale Europa, 11 25123 Brescia email: parrinel at med.unibs.it Phone:

Dear R-list, i have 6 different sets of samples. Each sample has about 5000 observations, with each observation comprised of 150 baseline covariates (X), 125 of which are dichotomous. Roughly 20% of the observations in each sample are "treatment" and the rest are "control" units. i am doing propensity score matching, i have already estimated propensity scores(predicted

Dear All, My question is more a statistical question than a R question. The reason I am posting here is that there are lots of excellent statistician on this list, who can always give me good advices. Per my understanding, the purpose of propensity score is to reduce the bias while estimating the treatment effect and its implementation is a 2-stage model. 1) First of all, if we assume that T =

I'm using the "Match" package to do propensity score matching. Here's some example code that shows the problem that I'm having (much of this code is taken from the Match package documentation): *data(lalonde) glm1 <- glm(treat~age + I(age^2) + educ + I(educ^2) + black + hisp + married + nodegr + re74 + I(re74^2) + re75 + I(re75^2) + u74 + u75,

Hi all, i am looking to built a simple example of a very basic propensity score adjustment, just using the estimated propensity scores as inverse probability weights (respectively 1-estimated weights for the non-treated). As far as i understood, MLE predictions of a logit model can directly be used as to estimates of the propensity score. I already considered the twang package and the

There may be benefits to having a machine learning method that explicitly targets covariate balance. We have experimented with optimizing the weights directly to obtain the best covariate balance, but got some strange solutions for simple cases that made us wary of such methods. Machine learning methods that yield calibrated probability estimates should do well (e.g. those that optimize the

Dear List, I am having difficulty running the ps() function when variables are stored as factors and was hoping someone could provide some advice on how to proceed. I am running propensity score matching as outlined in: Greg Ridgeway, Dan McCarey, Andrew Morral, Lane Burgette and Beth Ann Grin (May 3, 2013) Toolkit for Weighting and Analysis of Nonequivalent Groups: A tutorial for the twang

"Matching" version 0.48 is now available on CRAN. Matching provides functions for estimating causal effects by multivariate and propensity score matching. The package includes a variety of univariate and multivariate tests to determine if balance has been obtained by the matching procedure. These tests can also be used to determine if an experiment or quasi-experiment is balanced on

"Matching" version 0.48 is now available on CRAN. Matching provides functions for estimating causal effects by multivariate and propensity score matching. The package includes a variety of univariate and multivariate tests to determine if balance has been obtained by the matching procedure. These tests can also be used to determine if an experiment or quasi-experiment is balanced on

Hi all, i am wondering if there?s any other method to adjust for selection related bias of estimates except propensity scoring and heckit / mills ratio approach? i also read documentation of Match and twang package so far, so i don?t speak of any ATE / ATT related methods, respectively any methods that match or stratify... Is there something else ? thx in advance

Hello all. I am doing one part of an evaluation of a mandatory welfare-to-work programme in the UK. As with all evaluations, the problem is to determine what would have happened if the initiative had not taken place. In our case, we have a number of pilot areas and no possibility of random assignment. Therefore we have been given control areas. My problem is to select for survey individuals in

Hola gente!! Estoy empezando a trabajar con R, y no puedo resolver lo siguiente: Quiero crear una nueva variable (datmatriz) que toma el valor de 1 si: -la variable sp es igual a L.lucidum -alguna de las variables pap11, pap06, pap01, pap96 es igual a muerto. El script que utilicé es : guaran$datmatriz<-ifelse (guaran$sp=="L.lucidum"|guaran$pap11 ==

El problema puede estar en el no uso de suficientes paréntesis. Por ejemplo, con: > a=1 > b=0 > c=0 la instrucción ifelse(((a>1) | (b=0) | (c=1) | (d=1)), 11, 22) da el resultado esperado: [1] 11 Pero si se omiten los paréntesis se llega a un error de interpretación: destino de la asignación se expande a un objeto fuera del lenguaje Espero que sirva Jorge El 26/2/14, daniel

Hola No es lo mismo pero en mi caso personal la forma que utilizo se basa en el ejemplo de http://cran.r-project.org/doc/contrib/grafi3.pdf página 49, no usa el if pero también hay una condición para todos los verdaderos. No intenté en este caso en particular, habría que ver si también da problemas, pero como Carlos Ortega que sabe mucho dio una solución y como vos estas empezando no quiero

Estimados miembros de la lista, Estoy haciendo una análisis de supervivencia con R. Adjunto mis datos. Quiero analizar la supervivencia de 5 grupos diferentes y compararla. Para ello estoy utilizando el paquete survival. > s = Surv(c$tiempo, c$estado) > f = survfit(s ~ tratamiento, data = c) > d = survdiff(s ~ tratamiento, data = c) > d Call: survdiff(formula = s ~ tratamiento,

Hola, Manuel, No entiendo tu pregunta (la repito aqui para que sea mas explicito): hay alguna forma de comparar la probabilidad de supervivencias (en este caso anual) entre grupos sin utilizar un chi-cuadrado y un valor de P. Entiendo que lo que hace survdiff es comparar las curvas de supervivencia, pero yo quiero comparar la probabilidad de supervivencia entre grupos al final del estudio. Con