目的 比較處理多組資料數據時三種傾向性評分加權方法在不同樣本量的條件下均衡協變量的能力和估計處理效應的優劣。方法 采用Monte Carlo模擬的方法生成數據集，比較三種傾向性評分加權方法Logistic-IPTW、Logistic-OW和GBM-OW法均衡協變量和估計處理效應的優劣。協變量均衡水平指標為絕對標準均值差。處理效應評價指標包括處理效應的點估計值、均方根誤差、可信區間覆蓋率。結果 在5種協變量與處理因素、結局變量有不同復雜程度的相關關系的場景下，相比于Logistic-IPTW法和Logistic-OW法，GBM-OW法在效應估計方面更優，同時擁有更小的均方根誤差；在協變量均衡性方面，三種方法效果都比較好，GBM-OW方法在多組資料傾向性評分分布重疊度較低，且在協變量與分組變量、結局變量有越來越復雜的非線性關系時表現變好。結論 在處理多組資料時，GBM-OW法相對另外兩種方法，在協變量與分組變量、結局變量之間存在非線性或（和）交互關系時具有優勢。運用此方法后效應估計更加接近真實值，為較優的選擇。
本文介紹了傾向性評分加權中的逆概率加權和重疊權重加權，以及如何進行均衡性檢驗及效應量估計，隨后介紹并比較了4種可以實現傾向性評分加權的R軟件包。