利用逆概率加权(inverse probability weighting, IP weighting)的方法消除混杂因素 的原理是逆概率加权创建了一个新的假人群数据。在新的假人群数据中不存在混杂因 素，可以直接计算治疗和结果的因果效应。
逆概率，顾名思义，先计算概率，然后再求倒数。概率是指某个个体接受某种治疗 的概率，因此某个个体的逆概率由以下方程表达:
计算因果效应时，只需要在回归方程中指定权重即可。但需要指出的是计算 95%置信区间是不能按照常规的方法，因为常规方法没有考虑逆概率的标准差。有两种方法，一种是利用 R 软件中的标准差估算程序包。另一种方法是利用反复抽样(bootstrapping)，在原始的数据中随机抽取样本(单一样本可重复)，计算因果效应，然后反复多次进行该过程，最后汇总得到的因果效应，计算 95%置信区间。
逆概率加权遇到的问题是有时倾向指数特别小，导致逆概率特别大，从而引起因果效应计算的偏差。为了使逆概率的范围缩小，往往会给逆概率乘上一个分子，得到稳定的逆概率。
/L0/00120220315102446record2.png?x-oss-process=image/format,jpg/watermark,image_d2F0ZXJtYXJrL25hb3lpaHVpLnBuZz94LW9zcy1wcm9jZXNzPWltYWdlL3Jlc2l6ZSxQXzk,t_50,g_se,x_20,y_20)
