この記事では「条件付きロジスティック回帰分析とは？傾向スコアマッチング後にも使う解析」ということでお伝えします。
弊社でサポートさせていただいた方がパブリッシュした論文レビュー（傾向スコアマッチングを使った論文）で、「マッチさせたという情報を考慮して解析する必要はないか？」というレビューコメントが来たことがあります。
そのコメントに対して今回の記事の通りの対応をしました。
そのため、もしあなたが傾向スコアマッチングを使った論文を考えているのであれば、今回の記事が役立つはずです！
Contents
条件付きロジスティック回帰：対応のあるデータやマッチングを考慮する解析
条件付きロジスティック回帰は、結論から言えば「対応のあるデータ（ケースコントロール研究など）やマッチングデータについて二項ロジスティック回帰分析を行う場合」に用いられる方法です。
なぜ通常のロジスティック回帰分析じゃダメなのか？と思いますよね。
通常のロジスティック回帰だと、「マッチングした」とか「対応がある」という情報が考慮されずに解析されてしまうことで、検出力が低くなる（有意になりにくくなる）というデメリットがあるからです。
以上の理由から、対応のあるデータ（ケースコントロール研究など）やマッチングデータについては、条件付きロジスティック回帰分析を実施するのが良いとされています。
ただ、「条件付きロジスティック回帰分析を必ずすべきかどうか」には議論があります。
つまり、検出力が小さいだけ（有意になりにくいだけ）であれば、通常のロジスティック回帰でもいいのでは？という意見もある、ということです。
私個人としても、通常のロジスティック回帰でもいいのでは？と思っております。
通常のロジスティック回帰と条件付きロジスティック回帰の違い
では、通常のロジスティック回帰と条件付きロジスティック回帰の違いは何なのでしょうか？
まず通常のロジスティック回帰を見てみます。
通常のロジスティック回帰では、下記のように共通の切片と共通の回帰係数を考えて解析しています。
一方で条件付きロジスティック回帰は、考慮したい情報（マッチングの情報など）の各層（水準）ごとに、切片を考えるということをしています。
水準が変わっても、回帰係数は共通で考えているため、解析結果としてもオッズ比は各説明変数に一つだけ出力されるようになります。
（つまり、結果の解釈は通常のロジスティック回帰と同様に可能）
傾向スコアマッチングの後は条件付きロジスティック回帰が良いとされる
あまり馴染みのない条件付きロジスティック回帰ですが、医薬研究では傾向スコアマッチングの時に出てきます。
傾向スコアマッチングは条件付きロジスティック回帰分析を実施する状況を満たしているからです。
なぜかと言えば、「傾向スコア」という情報が似ている症例をマッチさせるため、傾向スコアを考慮して解析すべき、という考えがあるため。
ちなみに、傾向スコアマッチングの後にCox比例ハザードモデルを実施したい場合には、層別Cox比例ハザードモデルを実施することが良いとされています。
EZRで条件付きロジスティック回帰を実施する方法
では実際に、EZRで条件付きロジスティック回帰分析を実施してみます。
状況としては、傾向スコアマッチングをした、という前提で、その後に条件付きロジスティック回帰を実施してみる、という状況です。
EZRで傾向スコアマッチングの実施方法はこちらの記事を参照してください。
＞＞EZRで傾向スコアマッチング！論文でもよく使われる方法をわかりやすく解説
傾向スコアマッチングをした後であれば、データの中に傾向スコアが格納されているはずです。
このとき、傾向スコアが連続量なので、3〜5つの水準のカテゴリカル変数に変換する必要があります。
ではEZRでどうすればいいかというと、「アクティブデータセット」→「変数の操作」→「連続変数を区間で区分する」という機能を使います。
新しい変数名を付与して（今回はps_catとした）、区間の数を決めます（今回は3にしてみる）。
そしてOKを押して、念の為、ps_catが作成されたことを確認します。
ここまでできたら、条件付きロジスティック回帰分析を実施すればOK。
「マッチドペア解析」＞「マッチさせたサンプルの比率の多変量（条件付ロジスティック解析）」を選択。
モデル式では通常のロジスティック回帰分析と同じように入力し、マッチさせた層を示す変数に先程作った変数（ps_cat）を選択します。
OKを押すと、条件付きロジスティック回帰分析を実施してくれて、結果も下記のように出力されます。
上記で説明させていただいたとおり、オッズ比は一つだけ出力され、通常のロジスティック回帰と同じように結果は解釈します。
まとめ
いかがでしたか？
この記事では「条件付きロジスティック回帰分析とは？傾向スコアマッチング後にも使う解析」ということでお伝えしました。
もしあなたが傾向スコアマッチングを使った論文を考えているのであれば、ぜひお役立てください！
第1章：臨床研究ではなぜ統計が必要なのか？計画することの重要性
第2章：研究目的をどれだけ明確にできるのかが重要
第3章：p値で結果が左右される時代は終わりました
第4章：多くの人が統計を苦手にする理由
第5章：統計を使えるようになるために今日から何をすれば良いか？
第6章：統計を学ぶために重要な環境
もしあなたがこれまでに、何とか統計をマスターしようと散々苦労し、何冊もの統計の本を読み、セミナーに参加してみたのに、それでも統計が苦手なら…
私からプレゼントする内容は、あなたがずっと待ちわびていたものです。
