彼得奥斯汀对倾向评分方法有一个很好的介绍（下面引用），他指出 PS 方法和普通回归之间的区别之一是 PS 方法给你一个边际治疗效果，而回归给你一个条件治疗效果。他将条件和边际治疗效果定义为：
“有条件的治疗效果是治疗对个体的平均效果。边际治疗效果是治疗对人群的平均效果。”
好的，我理解他的定义，但是为什么回归会给你对个体的治疗效果，以及当临床医生解释一项用回归估计治疗效果的研究与另一项用回归估计治疗效果的研究时，这有什么实际意义PS方法？
Austin, Peter C. “在观察性研究中减少混杂影响的倾向评分方法简介。” 多元行为研究 46.3 (2011): 399-424。
边际和条件与什么有关？
假设准确估计了治疗效果，则条件治疗效果与对个体的估计效果有关，而边际治疗效果与对整个人群的效果有关。
估计何时不同？
这两个估计值可能不同，这听起来很奇怪，但在某些情况下它们可能会不同。最常见的情况是治疗效果是优势比或风险比 (HR)。请注意，边际估计和条件估计与风险比或线性回归相等。边际和条件（优势比或 HR）估计差异最大的场景往往与 HR 和风险比之间差异最大的场景一致。这是当结果是“共同的”并且多变量回归模型中包含的协变量对结果具有高度预测性的时候。
这如何影响临床医生的解释？
如果条件 HR 为 0.7，那么您可以说给予药物 A 而不是药物 B 将使坐在您面前的患者的危险降低 30%。而对于 0.7 的边际 HR，您可以说，如果您给整个人群服用药物 A 而不是药物 B，您会将整个人群的危害降低 30%（这对医疗保健计划者或决策者很有用）。请注意，条件 HR 通常不太精确，并且往往会产生更大的治疗效果（远离零）。
为什么PS和回归之间有区别？
当您使用多元回归时，系数的解释是“在保持所有其他变量不变的情况下估计的结果变化”。这可以帮助您理解为什么这种治疗是有条件的——它同时以模型中的其他协变量为条件（即比较具有相同特征集的两名患者）。相反，假设您对倾向得分使用逆概率加权。您只需比较两个（加权）人群的结果率，而不参考每个人的特征。这给了你一个边际人力资源。巧合的是，这是您从典型的随机临床试验中获得的 HR 类型（主要分析未针对协变量进行调整）。