倾向得分加权分析疑问：分组建模是否正确划分氯氮平组与对照组？

为什么两个模型结果完全一致？ #

你的代码存在关键错误：在do()块的glm函数中，指定的data = df_all是完整的全量数据集，并没有使用group_by(clozapine.or.not)拆分出的分组子数据。这导致两个分组模型实际上都是用全部数据跑的，自然结果完全一致——分组操作根本没生效，数据也没被分配到氯氮平组和对照组。

修正后的分组建模代码 #

把data参数改成.（代表do()当前处理的分组子数据框）即可：

models <- df_all %>% 
  group_by(clozapine.or.not) %>% 
  do(model = glm(death_yn ~
                   Education +
                   Institution.Cluster +
                   SuicidalAttempt_yn,
                 data = .,  # 改用当前分组的子数据
                 family = binomial(logit)))
models$model

修正后，两个模型会分别基于氯氮平组和对照组的子数据运行，结果会出现差异。

关于分开/合并分析的建议 #

你要做的是倾向得分加权估计ATE，不需要分组建模，正确流程应该是：

1. 估计倾向得分：用logistic回归，把clozapine.or.not作为因变量，协变量（Institution.Cluster、Education、SuicidalAttempt_yn）作为自变量，得到每个样本被分配到氯氮平组的概率。
2. 计算加权权重：比如逆概率权重（IPW），处理组权重设为1/倾向得分，对照组权重设为1/(1-倾向得分)。
3. 用加权数据集估计ATE：可以用加权的logistic回归（death_yn ~ clozapine.or.not，加上权重参数），或者直接计算两组加权后的死亡率差异。

如果只是想简单比较两组调整协变量后的死亡率差异，也可以直接在一个模型中加入分组变量和所有协变量：

glm(death_yn ~ clozapine.or.not + Education + Institution.Cluster + SuicidalAttempt_yn,
    data = df_all,
    family = binomial(logit))

这个模型中clozapine.or.not的系数，就是调整协变量后的组间对数优势比差异。

内容的提问来源于stack exchange，提问作者oohsehun