请问一下 整个Propensity score matching流程, 最後步骤就是进行敏感度分析(Sensitivity analysis) 已经大概知道Rosenbaum提出的基础概念, 想用Wilcoxon's signed-rank test来做敏感度分析, 但是实在是看不懂例子中的结果,和最後的意涵是什麽？ 以下结果举例： Gamma sig+ sig- ---------------------------------- 1 5.1e-06 5.1e-06 2 .00179 5.5e-11 3 .0136 6.7e-16 4 .03879 0 4.25 .046825 0 5 .073991 0 6 .11502 0 其中sig+: upper bound significance level sig-: lower bound significance level 书中说明在Gamma=4.25(Gamma是hidden bias的系数取自然指数)时， 不拒绝虚无假设(若四舍五入 .045= .05)若用5%显着水准来看, 这里我就不懂了,虚无假设是什麽？ 个人有想： H0: outcome (treatment effect)无差异，也就是若不拒绝的话， 代表hidden bias有影响treatment effect结果。 这样一来，以上结果代表当Gamma=4.25时，拒绝无差异，也就是接受隐藏性偏误会有 影响，知道影响范围落在「1/4.25 ~ 4.25」间,但要怎麽解释？是说若存在hidden bias 的话，他最大有可能每增加一单位就会影响4.25的outcome嘛？ 然後这是最坏的情况， 我们无法估计出隐藏性偏误的影响，只能估出若存在隐藏性偏误，他最大的影响是甚麽 这样子嘛？ 为甚麽书上又写当Gamma越接近1，就越敏感？越大越不敏感？所谓的敏感是什麽？ 不知道有没有人可以帮我回答 >＿< 谢谢! --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 140.120.95.82 ※ 文章网址: http://webptt.com/cn.aspx?n=bbs/Statistics/M.1400445620.A.71C.html