代码+视频，PM3包进行3组倾向评分匹配并绘制smd图
什么是倾向性评分匹配？倾向评分匹配（Propensity Score Matching，简称PSM）是一种统计学方法，用于处理观察研究（Observational Study）的数据，在SCI文章中应用非常广泛。在观察研究中，由于种种原因，数据偏差（bias）和混杂变量（confounding variable）较多，倾向评分匹配的方法正是为了减少这些偏差和混杂变量的影响，以便对实验组和对照组进行更合理的比较。
为什么需要做倾向评分匹配？
我们知道RCT的证据力度高，是因为对患者进行了严格的筛选。我们的回顾性研究都是过去的数据，很难像RCT一样进行严格的筛选出两组患者基线相近的基础资料，但我们可以通过倾向评分匹配把回归性的数据进行筛选，把基线资料相近的患者进行匹配，得到近似RCT的效果。
目前，本人写的第二个R包pm3包的1.8版本已经正式在CRAN上线，用于3组倾向评分匹配，只能3组不能多也不能少。本人出了个视频介绍一下实际怎么操作
代码+视频，PM3包进行3组倾向评分匹配并绘制smd图
代码
library(pm3)
library(scitb)
library(ggplot2)
##导入数据
data1<-read.csv("D:/tiaoshi/data1.csv",sep=',',header=TRUE)
###查看变量
summary(as.factor(data1$treat))
#生成结果
data1$re<-as.factor(data1$re)
data1$tra<-as.factor(data1$tra)
a <- pm3(data=data1,x='treat', y='outcome',
covs = c('year','course','re','tra','ecog','place'),factor = c('re','tra'))
#提取数据
mbc<-a[["mbc"]]
#定义变量
allVars <-c('year','course','re','tra','ecog','place')
fvars<-c('re','tra')
strata <- 'treat'
###
out<-scitb1(vars=allVars,fvars=fvars,strata=strata,data=data1,statistic=T,smd = T)
out1<-scitb1(vars=allVars,fvars=fvars,strata=strata,data=mbc,statistic=T,smd = T)
##生成基线表
plotsmd(vars = allVars,unmatchdata = out,matchdata = out1,refline = 0.2)