我试图估计 R 中的倾向得分。我的意思是我试图估计个人选择接受治疗的概率，其中选择接受治疗是一个二元变量。通常人们使用 logit 或 probit 来估计这些。我正在考虑使用回归树。
可以使用 rpart "anova" 方法来估计倾向吗？我认为我不能使用分类树，因为这会给出二元结果，而我想要连续倾向评分函数，即随着连续解释变量的变化，治疗概率如何变化。
我正在使用以下命令，其中 x 和 z 是连续解释变量，d 是二元处理变量，每个人都观察到所有 3 个变量，我想估计 P(D=1|X,Z)。
cart = rpart(d~x+z, data=data, method="anova")
data[,pz_c:=predict(cart, type = "vector")]
其中第一个命令估计倾向，第二个命令将预测的倾向添加到每个人的数据集中。
我最初在stackoverflow上发布了这个，并被告知在这里发布你的问题。
您可以使用逻辑回归本身，因为您的目标变量是二元的。
在预测时，使用type = "prob"
This 将提供基本上只是 1 或 0 的概率的倾向。
你可以看看这篇文章。Helmreich，詹姆斯和普鲁泽克，罗伯特。（2008 年）。PSAgraphics：支持倾向得分分析的 R 软件包。统计软件杂志。29. 10.18637/jss.v029.i06。
在第三部分中，他们展示了如何估计倾向得分并根据它们对数据进行分层的示例。
在 Valliant、Dever 和 Kreuter 的书（2013 年）中也有一个很好的例子，该书名为 Practical Tools for Designing and Weighting Survey Samples in section “Adjustment for nonresponse”。他们给出的一条重要建议是将 minbucket 设置为 50，以确保如果您要使用倾向得分进行加权，则每个班级不会太小。这是使用控制选项来完成的，例如 control=rpart.control(minbucket=50, cp=0)。