在应用SPSS进行倾向性评分匹配（Propensity Score Matching, PSM）时，基线不平衡是一个常见的问题。基线不平衡指的是在处理组和对照组之间，某些关键变量的分布存在显著差异。以下是可能导致基线不平衡的原因以及相应的解决方法。
原因分析
1. 样本选择偏差
在数据收集过程中，由于各种原因（如抽样方法、数据录入等），可能导致处理组和对照组在某些变量上存在系统性的差异。
2. 数据质量问题
数据质量问题，如缺失值、异常值等，可能导致处理组和对照组在某些变量上的分布不均衡。
3. 治疗效应的即时性
某些治疗可能在短期内就产生了显著效果，导致处理组在某些变量上的基线值低于对照组。
4. 外部因素
如社会经济地位、地域差异等外部因素，也可能导致处理组和对照组在某些变量上的分布不均衡。
解决方法
1. 数据清洗
在匹配之前，对数据进行清洗，包括处理缺失值、异常值等。可以使用均值、中位数或众数等方法填充缺失值，对异常值进行修正或删除。
import pandas as pd
# 假设df是原始数据集
df = pd.DataFrame({
'group': ['control', 'treatment', 'control', 'treatment'],
'age': [25, 30, 22, 28],
'gender': ['male', 'female', 'female', 'male'],
'income': [50000, 60000, 45000, 55000]
})
# 处理缺失值
df['age'].fillna(df['age'].mean(), inplace=True)
df['income'].fillna(df['income'].mean(), inplace=True)
# 处理异常值
df = df[(df['age'] >= 18) & (df['age'] <= 60)]
df = df[(df['income'] >= 30000) & (df['income'] <= 80000)]
2. 标准化处理
对关键变量进行标准化处理，如Z-score标准化，以消除量纲和分布差异的影响。
from scipy.stats import zscore
df['age_z'] = zscore(df['age'])
df['income_z'] = zscore(df['income'])
3. 逐步匹配
逐步匹配（Stepwise Matching）是一种逐步调整匹配变量的方法，可以有效地解决基线不平衡问题。
from sklearn.linear_model import LogisticRegression
# 假设X是自变量，y是因变量
X = df[['age', 'gender', 'income']]
y = df['group']
# 创建倾向性评分模型
model = LogisticRegression()
model.fit(X, y)
# 计算倾向性评分
df['propensity'] = model.predict_proba(X)[:, 1]
# 根据倾向性评分进行匹配
df_sorted = df.sort_values(by='propensity')
df_matched = df_sorted.groupby('group').apply(lambda x: x.sample(n=len(x.groupby('group').apply(lambda y: y['group'].unique()[0]))))
# 检查匹配后的基线不平衡
df_matched['age'].describe()
df_matched['gender'].value_counts()
df_matched['income'].describe()
4. 使用外部数据
如果可能，尝试获取与关键变量相关的外部数据，以改善匹配效果。
5. 考虑外部因素
在分析过程中，考虑外部因素对处理组和对照组的影响，如社会经济地位、地域差异等。
总之，在SPSS进行倾向性评分匹配时，基线不平衡是一个需要关注的问题。通过以上方法，可以有效地解决基线不平衡问题，提高分析结果的可靠性。