倾向得分计算和随后的配对分析可以通过多种方式进行。您可能希望查看 CV 中的一些重叠问答：

1. R中的倾向得分匹配与多种治疗
2. 按倾向得分匹配 6 组的软件？
3. 将两种或多种治疗方法与治疗权重的逆概率进行比较

我的建议是使用twang R 包。

检查WeightIt包裹。您可以简单地提供一个因子处理变量和协变量，它将估计该处理的平衡权重。它为使用统一语法的其他包和方法提供了一个接口。

目前，它为使用多项逻辑和概率回归倾向得分、广义增强建模倾向得分（通过twang）、协变量平衡倾向得分（通过CBPS）、熵平衡（通过ebal）、基于优化的权重（通过optweight）、经验平衡校准权重（通过ATE）和超级学习者倾向得分（通过SuperLearner）。语法如下：

w.out <- weightit(treat ~ cov1 + cov2 + cov3, data = data, method = "ps")

method您可以使用参数和其他更改估计方法。

我主要使用 PSM 解决 2 类问题。我们预测治疗的概率。然后在我们的概率分数的相同十分位数中比较治疗与对照的效果。处于相同十分位的客户通常是相似的，因此具有可比性。所以你可以重复 PSM 两次。控制每一个按时吃药的人。虽然我不确定进行测试是否会导致更高的 1 型错误，例如多次 t 测试。

对于 2 个变量的 r 中的 PSM，有一个包 matchit，但没有使用它。