在进行社会科学研究时，倾向性评分（Propensity Score）是一种常用的统计方法，用于处理观察性数据中的选择偏差问题。倾向性评分的基本思想是通过匹配技术来估计个体被分配到某个处理组（如实验组）的概率，从而在分析时减少选择偏差。

以下是在SPSS中进行倾向性评分的详细步骤：

1. 数据准备

在开始之前，确保你的数据集已经准备好，并且包含了以下信息：

  • 处理变量（指示个体是否被分配到处理组）
  • 解释变量（可能影响个体被分配到处理组的因素）
  • 其他相关变量

2. 计算倾向得分

2.1 打开SPSS

启动SPSS，并打开你的数据文件。

2.2 创建倾向得分变量

  1. 点击菜单栏中的“Transform” -> “Compute Variable”。
  2. 在“Target Variable”框中输入新的变量名，用于存储倾向得分。
  3. 在“Function Group”中选择“Custom”。
  4. 在“Function”框中输入以下R代码来计算倾向得分：
propensity = LOGIT((1 / (1 + EXP(-SUM(WEIGHT * COEF)))) - 1)

这里，WEIGHT是权重变量，COEF是解释变量的系数，它们通常通过逻辑回归模型获得。

2.3 逻辑回归模型

  1. 点击菜单栏中的“Analyze” -> “Regression” -> “Binary Logistic”。
  2. 将处理变量移动到“Dependent”框中。
  3. 将所有解释变量移动到“Covariates”框中。
  4. 点击“Statistics”按钮，勾选“Estimates of the following statistics:”下的“Omnibus tests of model coefficients”和“Hosmer and Lemeshow test”。
  5. 点击“Continue”按钮，然后点击“OK”运行模型。
  6. 将模型结果复制到文本编辑器中，提取每个解释变量的系数。

2.4 替换系数

  1. 在“Compute Variable”对话框中，点击“Use Formula”。
  2. 在“Function Group”中选择“Custom”。
  3. 在“Function”框中输入以下R代码来替换系数：
COEF = [系数1, 系数2, ..., 系数n]

确保系数的顺序与解释变量在模型中的顺序一致。

2.5 完成倾向得分计算

点击“OK”按钮，SPSS将计算倾向得分并存储在之前创建的变量中。

3. 匹配

倾向得分计算完成后，可以使用匹配技术来匹配处理组和对照组。SPSS中没有内置的匹配功能，但可以使用“Transform” -> “Match Cases”进行近似的匹配。

  1. 在“Match Cases”对话框中，选择“Case Weight”作为匹配变量。
  2. 选择匹配方法（如1:1匹配、1:N匹配等）。
  3. 点击“OK”进行匹配。

4. 分析

匹配完成后，可以对匹配后的数据进行进一步的分析，如比较处理组和对照组在倾向得分上的差异，或者使用倾向得分进行加权回归分析。

通过以上步骤，你可以在SPSS中完成倾向性评分的过程。这种方法有助于提高观察性研究结果的可靠性，尤其是在处理选择偏差时。