Publikacje naukowe · Wnioskowanie przyczynowe

Standaryzacja (g-computation): jak z regresji logistycznej policzyć różnicę ryzyk i ryzyko względne

Iloraz szans z modelu jest warunkowy i nie mówi, o ile spadnie ryzyko w populacji. Pokazujemy w R, jak standaryzacją przejść do różnicy ryzyk, ryzyka względnego i NNT, jak policzyć przedział, wybrać między ATE i ATT oraz dlaczego OR warunkowy różni się od brzegowego.

Strona główna / Blog / Standaryzacja (g-computation)
W skrócie: Standaryzacja (g-computation) przelicza model logistyczny na efekt w populacji: każdej osobie przypisujesz ekspozycję i jej brak, przewidujesz ryzyko i uśredniasz. W przykładzie zamiast OR = 0.53 dostajesz różnicę ryzyk −0.114, 95% CI [−0.145, −0.082], RR = 0.610 i NNT = 8.8, przy surowej różnicy −0.042. Raportuj RD lub RR ze standaryzacji, bo iloraz szans jest nieskładalny: zmienia się po dodaniu zmiennej prognostycznej nawet bez zakłócenia.

Iloraz szans nie mówi, o ile spadnie ryzyko

Dopasowałeś regresję logistyczną z ekspozycją i zakłócaczami, w tabeli stoi OR = 0.53. Recenzent pyta: „O ile punktów procentowych program zmniejsza ryzyko nawrotu w badanej populacji?”. Współczynnik modelu na to nie odpowie. Iloraz szans jest warunkowy (dotyczy osób o tych samych wartościach zmiennych w modelu) i mierzy zmianę w skali szans, a czytelnik pyta o różnicę ryzyk w całej populacji.

Odpowiedź daje standaryzacja, nazywana też g-computation albo parametryczną g-formułą. Hasło w słowniku podaje definicję i założenia. Tu przechodzimy przez pełną analizę kohorty: od modelu do różnicy ryzyk, ryzyka względnego i NNT, z przedziałami ufności, wyborem estymandy (ATE czy ATT), liczbowym pokazem nieskładalności ilorazu szans i porównaniem z wagami IPW.

Standaryzacja w trzech krokach

Procedura jest prosta, a Snowden i in. (2011) pokazują ją krok po kroku na danych symulowanych, porównując z klasyczną regresją:

  1. Model wyniku. Dopasuj regresję logistyczną wyniku na ekspozycję A i zmienne zakłócające, łącznie z interakcjami, jeśli efekt może zależeć od cech osoby.
  2. Dwa światy kontrfaktyczne. Skopiuj dane dwa razy. W pierwszej kopii ustaw A = 1 u wszystkich, w drugiej A = 0. Dla każdej osoby policz przewidywane ryzyko w obu wersjach.
  3. Uśrednij. Średnia predykcji w pierwszej kopii to ryzyko „gdyby wszyscy byli leczeni”, w drugiej – „gdyby nikt nie był leczony”. Ich różnica to różnica ryzyk, iloraz – ryzyko względne.

W języku modelu potencjalnych wyników szacujesz E[Y1] i E[Y0]. Naimi i in. (2017) zaliczają tę procedurę do metod g Robinsa, które dają zgodne oszacowania kontrastów potencjalnych wyników przy łagodniejszych warunkach niż zwykła regresja. Warunki pozostają jednak poważne: brak niezmierzonego zakłócenia, dodatniość (w każdej warstwie zakłócaczy są osoby leczone i nieleczone) i poprawny model wyniku.

Rachunek jest taki sam jak przy przeciętnym efekcie krańcowym (AME) dla predyktora binarnego. Różnica leży w punkcie wyjścia. Przy AME opisujesz model, a przy standaryzacji najpierw nazywasz estymandę przyczynową i dobierasz zakłócacze, np. na grafie przyczynowym, a dopiero potem budujesz model. Zmienne kontrolne służą wtedy tylko do standaryzacji. Ich współczynników nie interpretujesz, o czym pisze wpis o błędzie tabeli 2.

Przykład: program zapobiegania nawrotom depresji

Symulowana kohorta liczy 3000 osób po leczeniu pierwszego epizodu depresji. 1401 osób trafiło do grupowego programu zapobiegania nawrotom, a w ciągu 12 miesięcy nawrót wystąpił u 675 osób. Do programu częściej kierowano osoby z cięższymi objawami, wcześniejszymi epizodami i młodsze. To klasyczne zakłócenie wskazaniem. W symulacji znamy prawdę: w populacji program obniża ryzyko z 0.310 do 0.180, czyli o 0.129 (ATE), a wśród osób, które do niego trafiły – o 0.164 (ATT).

Surowe ryzyko nawrotu wynosiło 0.203 w programie i 0.245 poza nim. Surowa różnica −0.042 pokazuje około jednej trzeciej korzyści, bo do programu trafiali pacjenci z gorszym rokowaniem. Model wyniku zawierał program, nasilenie objawów na starcie (z), wcześniejsze epizody, wiek oraz interakcję programu z objawami.

Oszacowania efektu programu w kohorcie 3000 osób różnymi metodami
WielkośćOszacowanieCo oznacza
Surowa różnica ryzyk−0.042porównanie grup bez korekty zakłócenia
OR dla programu z modelu0.527 [0.426, 0.653]warunkowy OR dla osoby o przeciętnym nasileniu objawów
Ryzyko: wszyscy w programie / nikt0.178 / 0.292standaryzacja do całej kohorty
RD (ATE)−0.114 [−0.145, −0.082]11.4 punktu procentowego mniej nawrotów; NNT = 8.8
RR (ATE)0.610 [0.531, 0.702]ryzyko niższe o 39%
OR brzegowy (ATE)0.526OR dla całej populacji, nie dla osoby
RD (ATT)−0.144 [−0.181, −0.107]efekt wśród osób, które trafiły do programu
Predykcja „przy średnich”−0.101efekt dla fikcyjnej osoby z 0.4 epizodu

Przedziały w tabeli pochodzą z bootstrapu percentylowego (1000 replikacji). Standaryzowana różnica −0.114 jest blisko prawdziwej wartości −0.129, a surowa różnica – daleko od niej. Przekład na ARR i RRR jest bezpośredni: bezwzględna redukcja ryzyka to 11.4 punktu procentowego, względna – 39%.

Ostatni wiersz pokazuje częsty skrót: predykcję dla „przeciętnej osoby” z średnimi wartościami wszystkich zmiennych. Muller i MacLehose (2014) wykazali, że każda z tych metod odpowiada innej populacji docelowej. Tylko standaryzacja brzegowa uogólnia na całą populację, a predykcja przy średnich przy zmiennych binarnych opisuje warstwę bez żadnych prawdziwych osób. Tu dała −0.101 dla kogoś, kto ma „0.4 wcześniejszego epizodu”. Hanmer i Kalkan (2013) z tego samego powodu zalecają liczenie efektów na wartościach obserwowanych.

Wykres oszacowań różnicy ryzyka nawrotu w jednej kohorcie: surowa różnica −0.042, predykcja przy średnich −0.101, standaryzacja ATE −0.114, IPW −0.121, estymator podwójnie odporny −0.121, standaryzacja ATT −0.144; prawdziwe ATE −0.129 i ATT −0.164 zaznaczone liniami
Rysunek 1. Różnica ryzyka nawrotu oszacowana różnymi metodami w tej samej kohorcie (przedziały 95% metodą delta). Linia przerywana – prawdziwe ATE, kropkowana – prawdziwe ATT. Obliczenia: R (dane symulowane).

Przedział ufności: bootstrap czy metoda delta

Standaryzowane ryzyko jest nieliniową funkcją współczynników modelu, więc błąd standardowy trzeba wyprowadzić. Masz dwie drogi.

  • Bootstrap. Losujesz osoby ze zwracaniem, w każdej replikacji dopasowujesz model od nowa i powtarzasz standaryzację. To podejście uwzględnia niepewność całej procedury, ale wymaga czasu przy dużych modelach. W przykładzie: RD = −0.114, SE = 0.016, 95% CI [−0.145, −0.082].
  • Metoda delta. Funkcja avg_comparisons() z pakietu marginaleffects (Arel-Bundock i in., 2024) liczy tę samą średnią różnicę predykcji i jej błąd standardowy z macierzy kowariancji współczynników. Wynik: −0.114, SE = 0.0158, 95% CI [−0.145, −0.083]. Dla RR z argumentem comparison = "lnratioavg": 0.61 [0.531, 0.701].

Przy kilku tysiącach obserwacji obie metody dają praktycznie to samo. Bootstrap wybierz, gdy próba jest mała, wynik rzadki albo model zawiera kroki, których metoda delta nie widzi (np. wcześniejszą selekcję zmiennych lub imputację). Przy ilorazach (RR, OR brzegowy) licz przedział na skali logarytmicznej, jak robi to lnratioavg.

ATE czy ATT: kogo standaryzujesz

Standaryzacja wymaga wskazania populacji, po której uśredniasz predykcje. Wybór populacji to wybór estymandy.

  • ATE – uśredniasz po całej kohorcie. Odpowiada na pytanie: co by było, gdyby program zaproponować wszystkim?
  • ATT – uśredniasz tylko po osobach, które były w programie (newdata = subset(d, A == 1)). Odpowiada na pytanie: ile zyskali ci, którzy rzeczywiście w nim byli?
  • ATC – uśredniasz po nieleczonych. Pytanie: co by dało rozszerzenie programu na osoby, które go nie dostały?

W przykładzie ATT (−0.144) jest wyraźnie większe niż ATE (−0.114). W symulacji program działał silniej przy cięższych objawach, a takie osoby częściej do niego trafiały. Jeśli efekt nie zależy od cech osoby w skali, w której go mierzysz, ATE i ATT są zbliżone. Przy zmiennym efekcie różnią się i trzeba wybrać, o którą wielkość pytasz. Decyzja należy do pytania badawczego, nie do oprogramowania. Ta sama logika obowiązuje przy dopasowaniu i ważeniu propensity score, gdzie wagi dla ATE i ATT też są różne.

Nieskładalność ilorazu szans: OR warunkowy ≠ OR brzegowy

Dlaczego nie wystarczy podać OR z modelu, skoro przy rzadkim wyniku jest bliski RR? Bo iloraz szans jest nieskładalny (ang. noncollapsible). OR brzegowy, uśredniony po populacji, różni się od OR warunkowego nawet wtedy, gdy w danych nie ma żadnego zakłócenia. Greenland i in. (1999) podkreślają, że nieskładalność trzeba odróżniać od zakłócenia. Mood (2010) opisuje praktyczną konsekwencję: w regresji logistycznej współczynnik ekspozycji zmienia się po dodaniu zmiennej, która wpływa na wynik, nawet gdy ta zmienna nie jest skorelowana z ekspozycją.

Prosta symulacja: badanie z losowym przydziałem (20 000 osób), silny czynnik rokowniczy L i prawdziwy OR = 0.50 w każdej warstwie L. Randomizacja wyklucza zakłócenie, a mimo to:

  • OR z modelu bez L wynosi 0.606, a z L – 0.517. Obie liczby są poprawne, tylko odpowiadają na różne pytania;
  • standaryzacja z modelu z L daje OR brzegowy 0.619, a różnicę ryzyk −0.097, prawie tyle samo co porównanie surowe (−0.101). Różnica ryzyk jest składalna: średnia efektów w warstwach równa się efektowi w populacji;
  • w kwartylach L OR jest stale bliski 0.5 (od 0.489 do 0.554), a RD rośnie od −0.030 w najlepszym rokowaniu do −0.149 i −0.137 w dwóch najgorszych.
Panel A: przy warunkowym OR równym 0.50 OR brzegowy rośnie wraz z siłą czynnika rokowniczego: 0.500 bez wpływu L, 0.602 przy współczynniku 1.5 i 0.723 przy 3. Panel B: w kwartylach czynnika rokowniczego OR wynosi od 0.49 do 0.55, a różnica ryzyk od −0.030 do −0.149
Rysunek 2. Nieskładalność OR w badaniu z randomizacją. A – prawdziwy OR brzegowy (całkowanie po rozkładzie L) przy stałym OR warunkowym 0.50. B – ryzyko w kwartylach L: stały OR, różna różnica ryzyk. Obliczenia: R (dane symulowane).

Im silniejszy czynnik rokowniczy, tym bardziej OR brzegowy oddala się od warunkowego. Przy współczynniku 1.5 na SD wynosi 0.602, a przy 3 już 0.723. Wynikają z tego trzy wnioski:

  • OR z modeli z różnymi zmiennymi kontrolnymi albo z różnych badań nie są wprost porównywalne;
  • „spadek OR po dodaniu zmiennej” nie dowodzi zakłócenia;
  • jeśli chcesz porównywać lub łączyć wyniki, raportuj RD lub RR ze standaryzacji, bo te miary nie zależą od tego, ile prognostycznych zmiennych trafiło do modelu.

Podobne rozróżnienie efektu brzegowego i warunkowego opisuje wpis GEE czy model mieszany, tam w kontekście danych klastrowanych.

Standaryzacja, IPW i estymator podwójnie odporny

Standaryzacja modeluje wynik. Wagi IPW modelują przydział: osoba dostaje wagę 1/P(otrzymanej ekspozycji), a różnicę ryzyk liczysz w próbie ważonej. Austin i Stuart (2015) zalecają przy tym sprawdzenie równowagi zmiennych po ważeniu. W kohorcie wagi z pakietu WeightIt wynosiły od 1.02 do 19.53, a efektywna liczebność spadła z 1599 do 1180 w grupie bez programu i z 1401 do 954 w programie. IPW dało RD = −0.121, 95% CI [−0.154, −0.087], z błędem standardowym uwzględniającym oszacowanie wag.

Estymator podwójnie odporny łączy oba modele i pozostaje zgodny, gdy poprawny jest choć jeden z nich (Funk i in., 2011). Jedna z wersji to standaryzacja z modelu wyniku dopasowanego z wagami IPW. W przykładzie dała −0.121, 95% CI [−0.152, −0.089]. Inne odmiany to AIPW i TMLE.

Rozkłady oszacowań różnicy ryzyk w 500 symulowanych kohortach: surowa różnica średnio −0.058 (SD 0.015), standaryzacja −0.130 (SD 0.017), IPW −0.130 (SD 0.018), AIPW −0.130 (SD 0.017); prawdziwe ATE −0.129
Rysunek 3. Oszacowania różnicy ryzyk w 500 kohortach po 3000 osób z tego samego mechanizmu (czerwony punkt – średnia). Przy poprawnych modelach trzy metody korygujące są nieobciążone i mają podobny rozrzut. Obliczenia: R (dane symulowane).

Analizowana kohorta to jedna z wielu możliwych prób. W 500 powtórzeniach tego samego mechanizmu standaryzacja, IPW i AIPW dawały średnio −0.130 przy prawdziwym ATE −0.129. SD oszacowań wynosiło 0.017, 0.018 i 0.017, a surowa różnica była obciążona o 0.071. W 16.2% powtórzeń standaryzacja dała wynik jeszcze bliższy zeru niż −0.114 z naszej kohorty, więc ten wynik mieści się w zwykłym rozrzucie próbkowym. Którą metodę wybrać?

  • Standaryzacja – gdy dobrze znasz mechanizm wyniku i grupy dobrze się nakładają. Zwykle daje przedziały nie szersze niż IPW, ale cała odpowiedzialność spoczywa na modelu wyniku.
  • IPW – gdy łatwiej opisać, kto dostaje ekspozycję, niż od czego zależy wynik. Skrajne wagi zdradzają problem z dodatniością.
  • Podwójnie odporny – jako analiza główna albo analiza wrażliwości, gdy nie ufasz w pełni żadnemu z modeli. Nie chroni jednak przed niezmierzonym zakłóceniem. Tu pomaga E-wartość.

Jak opisać standaryzację w artykule

Podaj estymandę (ATE czy ATT, różnica czy iloraz ryzyk), model wyniku z listą zmiennych i uzasadnieniem ich wyboru, sposób liczenia przedziału oraz surową różnicę obok skorygowanej. OR z modelu możesz dodać w tabeli, ale nie jako główną miarę efektu.

Efekt programu na ryzyko nawrotu w ciągu 12 miesięcy oszacowano metodą standaryzacji (g-computation). Na podstawie regresji logistycznej nawrotu z programem, nasileniem objawów na starcie, wcześniejszymi epizodami, wiekiem i interakcją programu z nasileniem objawów obliczono dla każdej osoby przewidywane ryzyko przy udziale i bez udziału w programie, a następnie uśredniono je w całej kohorcie (ATE). Przy udziale wszystkich osób ryzyko nawrotu wyniosłoby 0.178, a bez programu 0.292. Różnica ryzyk wyniosła −0.114, 95% CI [−0.145, −0.082], ryzyko względne 0.610, 95% CI [0.531, 0.702] (bootstrap percentylowy, 1000 replikacji), co odpowiada NNT = 8.8. Wśród uczestników programu (ATT) różnica ryzyk wyniosła −0.144, 95% CI [−0.181, −0.107]. Surowa różnica ryzyk wynosiła −0.042. W analizie wrażliwości ważenie odwrotnością prawdopodobieństwa udziału dało −0.121, 95% CI [−0.154, −0.087], a estymator podwójnie odporny −0.121, 95% CI [−0.152, −0.089].

Jeśli recenzent prosi o przeliczenie ilorazów szans na różnice ryzyk albo o analizę wrażliwości z wagami, możemy przygotować ją wspólnie w ramach analiz statystycznych dla badaczy.

Przykład reprodukowalny

Przykład w R

Przepisy uruchamiasz po kolei w jednej sesji R (trzeci korzysta z danych i funkcji z pierwszego). Pierwszy zapisuje dane kohorty do pliku standaryzacja-kohorta.csv (możesz go pobrać tutaj). Całość liczy się kilkanaście sekund. Potrzebne pakiety: boot, marginaleffects i WeightIt.

1. Standaryzacja z modelu logistycznego: RD, RR, ATE i ATT

Dane wejściowe: kohorta 3000 osób: nasilenie objawów (z), wcześniejsze epizody, wiek, udział w programie A i nawrót Y (dane symulowane, set.seed(3581)); prawdziwe wartości z populacji 106 osób (set.seed(1)); bootstrap 1000 replikacji (set.seed(35811)).

Co odczytać: prawdziwe ryzyka i efekty; surowe ryzyka 0.245 i 0.203 oraz różnicę −0.042; OR z modelu; standaryzowane ryzyka, RD, RR i OR brzegowy dla ATE i ATT; NNT; predykcję przy średnich; bootstrapowe SE i przedziały; na końcu te same wielkości z avg_comparisons() (metoda delta).

R
# Krok 1. Standaryzacja (g-computation): od modelu logistycznego do różnicy ryzyk (dane symulowane)
# Kohorta 3000 osób po pierwszym leczeniu depresji. A = udział w grupowym programie zapobiegania nawrotom,
# Y = nawrót w ciągu 12 miesięcy. Do programu częściej kierowano osoby z cięższymi objawami (zakłócenie wskazaniem).
library(boot)
library(marginaleffects)
generuj <- function(n) {
  objawy <- rnorm(n)                                  # nasilenie objawów na starcie (z)
  epizody <- rbinom(n, 1, 0.4)                        # wcześniejsze epizody (0/1)
  wiek <- round(pmin(pmax(rnorm(n, 45, 13), 18), 80))
  A <- rbinom(n, 1, plogis(-0.4 + 0.9 * objawy + 0.6 * epizody - 0.04 * (wiek - 45)))
  lp0 <- -1.3 + 0.9 * objawy + 0.8 * epizody + 0.03 * (wiek - 45)   # logit ryzyka bez programu
  lp1 <- lp0 - 0.7 - 0.4 * objawy                                   # program działa silniej przy cięższych objawach
  Y <- rbinom(n, 1, plogis(ifelse(A == 1, lp1, lp0)))
  data.frame(objawy = round(objawy, 3), epizody, wiek, A, Y, p1 = plogis(lp1), p0 = plogis(lp0))
}
# Prawdziwe wartości z populacji 10^6 osób (znane tylko w symulacji)
set.seed(1)
pop <- generuj(1e6)
prawda <- c(ryzyko_1 = mean(pop$p1), ryzyko_0 = mean(pop$p0), RD_ATE = mean(pop$p1 - pop$p0),
            RR_ATE = mean(pop$p1) / mean(pop$p0), RD_ATT = mean((pop$p1 - pop$p0)[pop$A == 1]))
round(prawda, 3)

set.seed(3581)
d <- generuj(3000)[, 1:5]
write.csv(d, "standaryzacja-kohorta.csv", row.names = FALSE)
c(n = nrow(d), w_programie = sum(d$A), nawroty = sum(d$Y))
# Surowe ryzyka i surowa różnica
tapply(d$Y, d$A, mean)
round(mean(d$Y[d$A == 1]) - mean(d$Y[d$A == 0]), 3)

# Model wyniku: regresja logistyczna z interakcją programu i objawów
m <- glm(Y ~ A * objawy + epizody + wiek, family = binomial, data = d)
round(exp(cbind(OR = coef(m), confint.default(m))), 3)

# Standaryzacja: każdej osobie przypisz A = 1, potem A = 0, przewiduj ryzyko i uśrednij
g_comp <- function(dane, model, kto = rep(TRUE, nrow(dane))) {
  r1 <- mean(predict(model, transform(dane[kto, ], A = 1), type = "response"))
  r0 <- mean(predict(model, transform(dane[kto, ], A = 0), type = "response"))
  c(ryzyko_1 = r1, ryzyko_0 = r0, RD = r1 - r0, RR = r1 / r0, OR_brzegowy = (r1 / (1 - r1)) / (r0 / (1 - r0)))
}
ate <- g_comp(d, m)
att <- g_comp(d, m, kto = d$A == 1)
round(rbind(ATE = ate, ATT = att), 3)
round(1 / -ate[["RD"]], 1)   # NNT: ilu osobom zaproponować program, by uniknąć jednego nawrotu

# Predykcja „przy średnich” (osoba z epizody = 0.4) – inna populacja docelowa niż standaryzacja
srednie <- data.frame(objawy = mean(d$objawy), epizody = mean(d$epizody), wiek = mean(d$wiek))
p_sr <- unname(predict(m, rbind(transform(srednie, A = 1), transform(srednie, A = 0)), type = "response"))
round(c(ryzyko_1 = p_sr[1], ryzyko_0 = p_sr[2], RD = p_sr[1] - p_sr[2]), 3)

# Przedział bootstrapowy: w każdej replikacji model dopasowany od nowa
stat <- function(dane, i) {
  b <- dane[i, ]
  mb <- glm(Y ~ A * objawy + epizody + wiek, family = binomial, data = b)
  c(g_comp(b, mb)[c("RD", "RR")], RD_ATT = g_comp(b, mb, kto = b$A == 1)[["RD"]])
}
set.seed(35811)
bt <- boot(d, stat, R = 1000)
ci <- sapply(1:3, function(k) boot.ci(bt, type = "perc", index = k)$percent[4:5])
round(rbind(oszacowanie = bt$t0, SE = apply(bt$t, 2, sd), dolna = ci[1, ], gorna = ci[2, ]), 3)

# To samo metodą delta: marginaleffects
avg_comparisons(m, variables = "A")                                       # RD, ATE
avg_comparisons(m, variables = "A", comparison = "lnratioavg", transform = "exp")   # RR, ATE
avg_comparisons(m, variables = "A", newdata = subset(d, A == 1))         # RD, ATT
Wynik w R
ryzyko_1 ryzyko_0   RD_ATE   RR_ATE   RD_ATT 
   0.180    0.310   -0.129    0.582   -0.164 
          n w_programie     nawroty 
       3000        1401         675 
        0         1 
0.2445278 0.2027123 
[1] -0.042
               OR 2.5 % 97.5 %
(Intercept) 0.056 0.038  0.083
A           0.527 0.426  0.653
objawy      2.389 2.061  2.767
epizody     2.260 1.875  2.724
wiek        1.034 1.026  1.041
A:objawy    0.715 0.577  0.887
    ryzyko_1 ryzyko_0     RD    RR OR_brzegowy
ATE    0.178    0.292 -0.114 0.610       0.526
ATT    0.203    0.347 -0.144 0.584       0.478
[1] 8.8
ryzyko_1 ryzyko_0       RD 
   0.152    0.254   -0.101 
                RD    RR RD_ATT
oszacowanie -0.114 0.610 -0.144
SE           0.016 0.044  0.019
dolna       -0.145 0.531 -0.181
gorna       -0.082 0.702 -0.107

 Estimate Std. Error    z Pr(>|z|)    S  2.5 %  97.5 %
   -0.114     0.0158 -7.2   <0.001 40.6 -0.145 -0.0829

Term: A
Type: response
Comparison: 1 - 0


 Estimate Pr(>|z|)    S 2.5 % 97.5 %
     0.61   <0.001 38.1 0.531  0.701

Term: A
Type: response
Comparison: ln(mean(1) / mean(0))


 Estimate Std. Error     z Pr(>|z|)    S  2.5 % 97.5 %
   -0.144     0.0186 -7.74   <0.001 46.6 -0.181 -0.108

Term: A
Type: response
Comparison: 1 - 0

2. Nieskładalność OR w badaniu z randomizacją

Dane wejściowe: 20 000 osób, losowy przydział, czynnik rokowniczy L, prawdziwy OR warunkowy 0.50 (dane symulowane, set.seed(3582)).

Co odczytać: OR surowy 0.606 i warunkowy 0.517; standaryzację z modelu bez L i z L (RD, RR, OR); ryzyka, RD i OR w kwartylach L; prawdziwy OR brzegowy przy rosnącej sile L z całkowania numerycznego.

R
# Krok 2. Nieskładalność ilorazu szans: randomizacja, brak zakłócenia, a OR warunkowy ≠ OR brzegowy
# Badanie z losowym przydziałem (A ~ 50/50), silny czynnik rokowniczy L (z). Prawdziwy OR warunkowy = 0.50 w każdej warstwie L.
set.seed(3582)
n <- 20000
L <- rnorm(n)
A <- rbinom(n, 1, 0.5)
Y <- rbinom(n, 1, plogis(-1 + log(0.5) * A + 1.5 * L))
d2 <- data.frame(L, A, Y)

m_sur <- glm(Y ~ A, family = binomial, data = d2)        # bez L
m_war <- glm(Y ~ A + L, family = binomial, data = d2)    # z L
std <- function(model) {
  r1 <- mean(predict(model, transform(d2, A = 1), type = "response"))
  r0 <- mean(predict(model, transform(d2, A = 0), type = "response"))
  c(RD = r1 - r0, RR = r1 / r0, OR = (r1 / (1 - r1)) / (r0 / (1 - r0)))
}
round(rbind(OR_surowy = exp(coef(m_sur))["A"], OR_warunkowy = exp(coef(m_war))["A"]), 3)
# Standaryzacja z modelu z L i bez L daje ten sam efekt brzegowy
round(rbind(standaryzacja_bez_L = std(m_sur), standaryzacja_z_L = std(m_war)), 3)

# Ten sam OR = 0.50 w warstwach rokowania, ale różne RD (warstwy: kwartyle L)
war <- cut(L, quantile(L, 0:4 / 4), include.lowest = TRUE, labels = paste0("Q", 1:4))
round(t(sapply(split(d2, war), function(s) {
  r1 <- mean(s$Y[s$A == 1]); r0 <- mean(s$Y[s$A == 0])
  c(ryzyko_0 = r0, ryzyko_1 = r1, RD = r1 - r0, OR = (r1 / (1 - r1)) / (r0 / (1 - r0)))
})), 3)

# Prawdziwy OR brzegowy (całkowanie po rozkładzie L) przy rosnącej sile czynnika rokowniczego
or_brzegowy <- function(beta_L, b0 = -1, or_war = 0.5) {
  r <- function(a) integrate(function(l) plogis(b0 + log(or_war) * a + beta_L * l) * dnorm(l), -Inf, Inf)$value
  (r(1) / (1 - r(1))) / (r(0) / (1 - r(0)))
}
sila <- c(0, 0.5, 1, 1.5, 2, 3)
round(data.frame(beta_L = sila, OR_war_L_na_SD = exp(sila), OR_brzegowy = sapply(sila, or_brzegowy)), 3)
Wynik w R
                 A
OR_surowy    0.606
OR_warunkowy 0.517
                        RD    RR    OR
standaryzacja_bez_L -0.101 0.697 0.606
standaryzacja_z_L   -0.097 0.708 0.619
   ryzyko_0 ryzyko_1     RD    OR
Q1    0.065    0.035 -0.030 0.520
Q2    0.189    0.112 -0.077 0.540
Q3    0.379    0.230 -0.149 0.489
Q4    0.696    0.559 -0.137 0.554
  beta_L OR_war_L_na_SD OR_brzegowy
1    0.0          1.000       0.500
2    0.5          1.649       0.514
3    1.0          2.718       0.553
4    1.5          4.482       0.602
5    2.0          7.389       0.649
6    3.0         20.086       0.723

3. IPW, estymator podwójnie odporny i Monte Carlo

Dane wejściowe: kohorta i funkcja generuj() z przepisu 1; 500 nowych kohort po 3000 osób (set.seed(3583)).

Co odczytać: zakres wag i efektywną liczebność; RD z IPW i z estymatora podwójnie odpornego z przedziałami; średnią, obciążenie i SD czterech estymatorów w 500 powtórzeniach; odsetek powtórzeń z wynikiem bliższym zeru niż w analizowanej kohorcie.

R
# Krok 3. Porównanie: standaryzacja, IPW i estymator podwójnie odporny (dane i funkcje z kroku 1)
library(WeightIt)
# IPW: model przydziału do programu, wagi dla ATE
W <- weightit(A ~ objawy + epizody + wiek, data = d, method = "glm", estimand = "ATE")
round(c(min_waga = min(W$weights), max_waga = max(W$weights)), 2)
round(summary(W)$effective.sample.size, 1)
# Model wyniku tylko z A, ważony; SE uwzględnia oszacowanie wag (M-estymacja)
fit_ipw <- glm_weightit(Y ~ A, data = d, weightit = W, family = binomial)
avg_comparisons(fit_ipw, variables = "A")
# Podwójnie odporny: ważony model wyniku z kowariantami + standaryzacja
fit_dr <- glm_weightit(Y ~ A * objawy + epizody + wiek, data = d, weightit = W, family = binomial)
avg_comparisons(fit_dr, variables = "A")

# Monte Carlo: 500 kohort po 3000 osób z tego samego mechanizmu; prawdziwe RD (ATE) = -0.129
estymatory <- function(dd) {
  m  <- glm(Y ~ A * objawy + epizody + wiek, family = binomial, data = dd)
  m1 <- predict(m, transform(dd, A = 1), type = "response")
  m0 <- predict(m, transform(dd, A = 0), type = "response")
  e  <- fitted(glm(A ~ objawy + epizody + wiek, family = binomial, data = dd))
  w  <- ifelse(dd$A == 1, 1 / e, 1 / (1 - e))
  c(surowa = mean(dd$Y[dd$A == 1]) - mean(dd$Y[dd$A == 0]),
    standaryzacja = mean(m1 - m0),
    IPW = weighted.mean(dd$Y[dd$A == 1], w[dd$A == 1]) - weighted.mean(dd$Y[dd$A == 0], w[dd$A == 0]),
    AIPW = mean(m1 - m0 + dd$A * (dd$Y - m1) / e - (1 - dd$A) * (dd$Y - m0) / (1 - e)))
}
set.seed(3583)
mc <- t(replicate(500, estymatory(generuj(3000))))
write.csv(round(mc, 5), "mc-estymatory.csv", row.names = FALSE)
round(rbind(srednia = colMeans(mc), obciazenie = colMeans(mc) - prawda[["RD_ATE"]], SD = apply(mc, 2, sd)), 3)
# Gdzie wypada analizowana kohorta (standaryzacja -0.114) w rozkładzie z powtórzeń
round(mean(mc[, "standaryzacja"] > ate[["RD"]]), 3)
Wynik w R
min_waga max_waga 
    1.02    19.53 
           Control Treated
Unweighted  1599.0  1401.0
Weighted    1179.9   954.4

 Estimate Std. Error     z Pr(>|z|)    S  2.5 %  97.5 %
   -0.121     0.0169 -7.13   <0.001 39.8 -0.154 -0.0874

Term: A
Type: probs
Comparison: 1 - 0


 Estimate Std. Error    z Pr(>|z|)    S  2.5 %  97.5 %
   -0.121     0.0163 -7.4   <0.001 42.7 -0.152 -0.0886

Term: A
Type: probs
Comparison: 1 - 0

           surowa standaryzacja    IPW   AIPW
srednia    -0.058        -0.130 -0.130 -0.130
obciazenie  0.071         0.000 -0.001 -0.001
SD          0.015         0.017  0.018  0.017
[1] 0.162

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia przepisów 1–3 w R 4.5.3 (modele glm() z pakietu stats) z pakietami boot, marginaleffects i WeightIt; rysunki przygotowano w pakietach ggplot2 i patchwork.

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. boot (wersja 1.3-32): Canty, A., & Ripley, B. (2025). boot: Bootstrap functions (R package version 1.3-32) [Computer software]. https://doi.org/10.32614/CRAN.package.boot
  3. marginaleffects (wersja 1.0.0): Arel-Bundock, V., Greifer, N., & Heiss, A. (2024). How to interpret statistical models using marginaleffects for R and Python. Journal of Statistical Software, 111(9), 1–32. https://doi.org/10.18637/jss.v111.i09
  4. WeightIt (wersja 2.1.0): Greifer, N. (2026). WeightIt: Weighting for covariate balance in observational studies (R package version 2.1.0) [Computer software]. https://doi.org/10.32614/CRAN.package.WeightIt
  5. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  6. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork

Najczęstsze błędy

  • OR z modelu opisany jako „ryzyko niższe o 47%”. To iloraz szans, nie ryzyk. Przy częstym wyniku różnica jest duża, a OR jest dodatkowo warunkowy.
  • Predykcja dla „przeciętnej osoby” zamiast standaryzacji. Przy zmiennych binarnych taka osoba nie istnieje, a wynik nie dotyczy populacji.
  • Brak nazwanej estymandy. ATE i ATT mogą się różnić, jak w przykładzie (−0.114 i −0.144).
  • Model wyniku bez interakcji, gdy efekt zależy od cech osoby. Standaryzacja nie naprawi źle określonego modelu.
  • Porównywanie OR między modelami jako dowód zakłócenia. Zmiana OR po dodaniu zmiennej prognostycznej może wynikać wyłącznie z nieskładalności.
  • Brak sprawdzenia dodatniości. Gdy w części warstw nie ma osób leczonych, model ekstrapoluje. Sprawdź rozkład propensity score, nawet jeśli nie używasz wag.

Najczęstsze pytania

Jak policzyć różnicę ryzyk z regresji logistycznej?

Dopasuj model wyniku z ekspozycją i zakłócaczami, potem dla każdej osoby przewidź ryzyko raz przy ekspozycji, raz bez niej i uśrednij obie predykcje. Różnica średnich to różnica ryzyk, iloraz – ryzyko względne. W R robi to marginaleffects::avg_comparisons(model, variables = "A") albo kilka linii z predict().

Czym różni się g-computation od przeciętnego efektu krańcowego (AME)?

Rachunek jest ten sam: średnia różnica przewidywanych prawdopodobieństw przy zmianie ekspozycji z 0 na 1. Różni się cel. Przy g-computation najpierw nazywasz estymandę przyczynową i dobierasz zakłócacze, np. na grafie DAG, a wynik interpretujesz jako efekt przyczynowy przy założeniu braku niezmierzonego zakłócenia.

Dlaczego OR zmienia się po dodaniu zmiennej, która nie jest zakłócaczem?

Bo iloraz szans jest nieskładalny: OR warunkowy (dla osób o tych samych wartościach zmiennych) różni się od brzegowego, gdy wynik zależy od innych zmiennych. W symulowanym badaniu z randomizacją OR wynosił 0.517 z czynnikiem rokowniczym i 0.606 bez niego, choć zakłócenia nie było. Różnica ryzyk prawie się nie zmieniła (−0.097 i −0.101).

Bootstrap czy metoda delta dla przedziału ufności po standaryzacji?

Przy dużej próbie dają praktycznie to samo: w przykładzie [−0.145, −0.082] z bootstrapu i [−0.145, −0.083] metodą delta. Bootstrap z ponownym dopasowaniem modelu wybierz przy małej próbie, rzadkim wyniku albo dodatkowych krokach analizy, np. imputacji. Przedział dla ryzyka względnego licz na skali logarytmicznej.

Kiedy wybrać standaryzację, a kiedy wagi IPW?

Standaryzacja modeluje wynik i przy poprawnym modelu jest zwykle co najmniej tak precyzyjna jak IPW. Wagi IPW modelują przydział do ekspozycji, a skrajne wagi ujawniają problemy z dodatniością. Gdy nie ufasz w pełni żadnemu modelowi, użyj estymatora podwójnie odpornego, który łączy oba. W przykładzie trzy metody dały −0.114, −0.121 i −0.121.

Powiązane hasła

Przeczytaj też

Recenzent prosi o różnicę ryzyk zamiast ilorazu szans?

Pomożemy nazwać estymandę, przeliczyć model logistyczny na różnicę ryzyk i RR z poprawnymi przedziałami oraz przygotować analizę wrażliwości z wagami, tak żebyś mógł(a) samodzielnie obronić wyniki przed recenzentami.

Oferta dla badaczyPorozmawiaj o projekcie

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Arel-Bundock, V., Greifer, N., & Heiss, A. (2024). How to interpret statistical models using marginaleffects for R and Python. Journal of Statistical Software, 111(9), 1–32. https://doi.org/10.18637/jss.v111.i09 ● Otwarty dostęp
  2. Austin, P. C., & Stuart, E. A. (2015). Moving towards best practice when using inverse probability of treatment weighting (IPTW) using the propensity score to estimate causal treatment effects in observational studies. Statistics in Medicine, 34(28), 3661–3679. https://doi.org/10.1002/sim.6607 ● Otwarty dostęp
  3. Funk, M. J., Westreich, D., Wiesen, C., Stürmer, T., Brookhart, M. A., & Davidian, M. (2011). Doubly robust estimation of causal effects. American Journal of Epidemiology, 173(7), 761–767. https://doi.org/10.1093/aje/kwq439 ● Otwarty dostęp
  4. Greenland, S., Robins, J. M., & Pearl, J. (1999). Confounding and collapsibility in causal inference. Statistical Science, 14(1), 29–46. https://doi.org/10.1214/ss/1009211805 ● Otwarty dostęp
  5. Hanmer, M. J., & Kalkan, K. O. (2013). Behind the curve: Clarifying the best approach to calculating predicted probabilities and marginal effects from limited dependent variable models. American Journal of Political Science, 57(1), 263–277. https://doi.org/10.1111/j.1540-5907.2012.00602.x
  6. Mood, C. (2010). Logistic regression: Why we cannot do what we think we can do, and what we can do about it. European Sociological Review, 26(1), 67–82. https://doi.org/10.1093/esr/jcp006 ● Otwarty dostęp: pełny tekst
  7. Muller, C. J., & MacLehose, R. F. (2014). Estimating predicted probabilities from logistic regression: Different methods correspond to different target populations. International Journal of Epidemiology, 43(3), 962–970. https://doi.org/10.1093/ije/dyu029 ● Otwarty dostęp
  8. Naimi, A. I., Cole, S. R., & Kennedy, E. H. (2017). An introduction to g methods. International Journal of Epidemiology, 46(2), 756–762. https://doi.org/10.1093/ije/dyw323 ● Otwarty dostęp
  9. Snowden, J. M., Rose, S., & Mortimer, K. M. (2011). Implementation of G-computation on a simulated data set: Demonstration of a causal inference technique. American Journal of Epidemiology, 173(7), 731–738. https://doi.org/10.1093/aje/kwq472 ● Otwarty dostęp: pełny tekst

Cytowania BibTeX

@article{arelbundock2024how, author={Arel-Bundock, Vincent and Greifer, Noah and Heiss, Andrew}, title={{How to interpret statistical models using marginaleffects for R and Python}}, journal={Journal of Statistical Software}, year={2024}, volume={111}, number={9}, pages={1--32}, doi={10.18637/jss.v111.i09}}
@article{austin2015moving, author={Austin, Peter C. and Stuart, Elizabeth A.}, title={{Moving towards best practice when using inverse probability of treatment weighting (IPTW) using the propensity score to estimate causal treatment effects in observational studies}}, journal={Statistics in Medicine}, year={2015}, volume={34}, number={28}, pages={3661--3679}, doi={10.1002/sim.6607}}
@article{funk2011doubly, author={Funk, Michele Jonsson and Westreich, Daniel and Wiesen, Chris and Stürmer, Til and Brookhart, M. Alan and Davidian, Marie}, title={{Doubly robust estimation of causal effects}}, journal={American Journal of Epidemiology}, year={2011}, volume={173}, number={7}, pages={761--767}, doi={10.1093/aje/kwq439}}
@article{greenland1999confounding, author={Greenland, Sander and Robins, James M. and Pearl, Judea}, title={{Confounding and collapsibility in causal inference}}, journal={Statistical Science}, year={1999}, volume={14}, number={1}, pages={29--46}, doi={10.1214/ss/1009211805}}
@article{hanmer2013behind, author={Hanmer, Michael J. and Kalkan, Kerem Ozan}, title={{Behind the curve: Clarifying the best approach to calculating predicted probabilities and marginal effects from limited dependent variable models}}, journal={American Journal of Political Science}, year={2013}, volume={57}, number={1}, pages={263--277}, doi={10.1111/j.1540-5907.2012.00602.x}}
@article{mood2010logistic, author={Mood, Carina}, title={{Logistic regression: Why we cannot do what we think we can do, and what we can do about it}}, journal={European Sociological Review}, year={2010}, volume={26}, number={1}, pages={67--82}, doi={10.1093/esr/jcp006}}
@article{muller2014estimating, author={Muller, Clemma J. and MacLehose, Richard F.}, title={{Estimating predicted probabilities from logistic regression: Different methods correspond to different target populations}}, journal={International Journal of Epidemiology}, year={2014}, volume={43}, number={3}, pages={962--970}, doi={10.1093/ije/dyu029}}
@article{naimi2017introduction, author={Naimi, Ashley I. and Cole, Stephen R. and Kennedy, Edward H.}, title={{An introduction to g methods}}, journal={International Journal of Epidemiology}, year={2017}, volume={46}, number={2}, pages={756--762}, doi={10.1093/ije/dyw323}}
@article{snowden2011implementation, author={Snowden, Jonathan M. and Rose, Sherri and Mortimer, Kathleen M.}, title={{Implementation of G-computation on a simulated data set: Demonstration of a causal inference technique}}, journal={American Journal of Epidemiology}, year={2011}, volume={173}, number={7}, pages={731--738}, doi={10.1093/aje/kwq472}}
R