如何向cobalt包绘制的Love图中添加额外变量展示协变量平衡

你原有的权重拟合逻辑不需要做任何修改，核心是通过addl参数传入未纳入倾向得分模型的变量，cobalt会自动计算这些变量的加权前后平衡统计量，和模型内的混杂变量一起呈现在图中。

可直接运行的修改后代码 #

W <- weightit(Y ~ X1 + X2 + X3,
              data = d1, 
              method = "cbps",
              over = FALSE)

love.plot(W, 
          stats = c("c"), 
          thresholds = c(cor = .1), 
          abs = TRUE, 
          wrap = 20,
          var.order = "unadjusted", 
          line = TRUE,
          # 核心新增参数：传入未纳入PS模型的额外变量
          addl = ~ Z1 + Z2 + Z3,
          # 可选配置：给两类变量加分组，提升可读性
          var.group = list(
            "倾向得分模型纳入的混杂变量" = c("X1", "X2", "X3"),
            "未纳入模型的其他协变量" = c("Z1", "Z2", "Z3")
          ))

参数说明 #

• addl：接收单侧公式，右侧列出所有未放入weightit()拟合公式、但需要展示平衡结果的变量即可，该操作不会修改你原本计算得到的CBPS权重，只是额外补充这些变量的平衡统计量计算。
• var.group：可选参数，用于给变量做分组归类，绘图时会在两组变量间增加分组标题，方便快速区分两类变量，不需要可以直接删除。

如果你习惯先计算平衡结果再绘图，逻辑完全一致，示例如下：

# 先计算包含额外变量的平衡统计结果
bal_result <- bal.tab(W,
                      stats = "c",
                      addl = ~ Z1 + Z2 + Z3,
                      thresholds = c(cor = .1))

# 传入平衡结果对象绘图即可
love.plot(bal_result,
          abs = TRUE, 
          wrap = 20,
          var.order = "unadjusted", 
          line = TRUE)

注意：不要把Z1-Z3加入weightit()的拟合公式，否则会改变原有倾向得分/权重的估计结果，和你原本的研究设计不符。

内容的提问来源于stack exchange，提问作者abhithetree