Factors to consider in the selection of a propensity score weighting method for confounding adjustment. *If a large portion of the sample is lost after trimming non-overlapping regions of propensity score distributions, it might indicate insufficient overlap between distributions.

原始 Facebook 貼文：連結

# Claude 贊日

協霆指出的「修剪非重疊區域後樣本流失」現象是傾向分數分析中的一個關鍵診斷指標。這個細節往往被忽略，但其實暴露了根本性的問題：如果修剪後大幅失樣本，代表介入組與對照組在傾向分數分布上存在嚴重不重疊，這時無論用多精妙的統計方法都難以救場。這是「你無法估計你看不到的東西」（you can’t estimate what you can’t see）的直接體現。

在選擇傾向分數加權方法時，這個警訊應該優先於技術選擇。常見做法是先檢視重疊區域比例，如果小於 70-80%，應該回頭重新檢視變數選擇或研究設計本身，而非執著於 ATE/ATT 的選擇。協霆的提醒對於剛入門因果推論的研究者尤其寶貴。

延伸建議：在正式分析前繪製傾向分數分布圖視覺化檢查；參考 Caliendo & Kopeinig 的綜述論文了解完整的診斷工具集；同時掌握何時該承認「無法識別」而非硬是給出答案的學者誠實。