逆概率加权法（IPW）在R语言中的实战应用与案例分析

1. 逆概率加权法（IPW）的核心原理与适用场景

逆概率加权法（Inverse Probability Weighting, IPW）是统计学中处理选择偏差和数据缺失问题的利器。想象你在做一份校园调查，但只有部分学生愿意填写问卷——那些积极响应的学生可能和沉默的大多数存在系统性差异。IPW就像个聪明的"数据调解员"，通过给不同样本分配不同权重，让少数派的声音也能代表整体。

它的数学本质很简单：每个样本的权重等于其被观测到概率的倒数。比如某类人群只有20%的概率出现在样本中，那么他们每个人的权重就是5（1/0.2），相当于用5个虚拟样本来弥补缺失的4个。实际操作中需要三步走：

1. 用逻辑回归预测每个样本被观测到的概率（倾向得分）
2. 计算逆概率权重
3. 在加权后的数据上进行分析

但要注意三个关键前提：

• 可忽略性：数据缺失机制只与已观测变量有关
• 正性假设：每个样本都有非零的被观测概率
• 模型正确指定：倾向得分模型不能漏掉重要变量

我在分析医疗数据时就踩过坑——有次忽略了患者的就诊频率这个预测因子，导致权重计算严重失真。后来通过加入就诊历史变量，才让结果恢复合理。

2. R语言中的IPW完整工作流

2.1 数据准备与模拟

我们先造一份仿真数据练手，这个案例模拟了药物治疗（a）对血压（y）的影响，其中年龄（l）既是用药的影响因素又是血压的混杂变量：

set.seed(123)
n <- 2000
simdat <- data.frame(
  l = rnorm(n, 50, 10),  # 年龄分布
  a = rbinom(n, 1, plogis((l-50)/10)),  # 年龄越大用药概率越高
  y