大部分来讲, 那么我们首先就是说一下倾向性评分匹配的定义,那么他是通过一定的统计学方法,嗯,对实验组和对照对照组进行筛选,使筛出来的研究对象在临床特征上具有可比性,也就是实验组和对照组的解决 存在差异,就可以完全归结为结果实验因素,也就是暴露因素啊。然后我还查到一个定义,就是说经销信评分匹配是一种统计学方法,用于处理研究 啊,观察研究的数据,那么我们就了解一下,就是观察研究数据是指啊,在不对研究对象施加任何干预措施的情况下,通过观察或 访问的方法,客观的记录被研究的事物的状况,用于描述疾病或健康状况在人群之中的分布,并探索疾病和呃暴露,呃暴露和疾病时间关系的一种方法 啊。那么呢,我们知道就是在观察研究当中,由于种种原因,数据偏差混杂变量比较多,那么倾向性评分的方法正是为了减少这些偏差和混杂因素的影响,以便对学院组和对照组更加进行合理的比较。 他一般是有两个基本要素,一个是研究对象,另一个是研究的因素。在描述性研究当中,研究因素是影响因素,在分析研究当中,研究因素被称为危险因素或者是暴露因素。然后这就是啊啊,就是关于一些倾向性评分匹配的一些 定义,那么倾向性评分匹配适用的情形主要是啊,在啊观察研究当中,对照对照组和实验组啊中可直接比较的个体数量很少,那么在这种情形下,实验组和对照组的交集就很小, 像治疗组健康状况最好的百分之十的人群和非治疗组的健康状况最差的百分之十的人群是相似的,那么这两个重合的子肌进行比较,就会出现非常偏议的结论。这种时候呢,我们进行倾向性平分匹配,将它 嗯一比一的进行匹配,这样的话得出来的结论就比较具有说服力。那么还有一个就是由于衡量个体特征的参数很多,所以想从一想从对照组中选出一个跟实验组在 像参数上都相近或者相近的子集作为比较是非常困难的。在一般的匹配方法中,我们只需要控制一到两个变量,如年龄和性别即可,就可以从很容易的从对到组当中选出,嗯 呃,选出一个拥有相同特征的子籍,以便进行实验的对比。那么我们现在再来看一下他的就是提出背景 啊,我们知道啊,观察性研究中,我们以那个对立研究为例,暴露因素的分配像什么?是否吸烟通常是不受到人为控制的, 那么暴露组和非暴露组组的形成就无法等同于随机分组,因此就很难做到研究中的对象存在可比性,那么组间因素不均衡可能造成混杂啊。那么调整混杂因素可针对混杂因 速进行匹配,分层或分层分析或斜变量的调整等,但是这些方法都不能加混杂因素,控制混杂的因素都不能太多,当就是这些混杂因素比较多的时候,我们就可以采用倾向性评分匹配, 那么他的原理就是,呃,比如像这个吸烟和肺癌的对列研究为例,那么自然状态下个体是否吸烟与很多用素因素是有关系的,并不是随机的。那我们可以看到吸烟组和非吸烟组会有多个呃极限车针,他是不平衡的。 嗯,像这个图的,它是计算研究对象,在多种背景因素,比如像你的吸烟的话,不仅是跟年龄,还有性别那些有关的。那么,嗯,我们对下面成为吸烟者概率的呃吸烟者的概率进行一个 平方的匹配,那么匹配的概率相等,或者相近的个体组成新的那个先组和不先组, 这两组就可以近视为随机分组。那么组间的相关因素达到均衡,他就可以进行一个啊后续的一个数据的处理,那么就使他具有更好的呃可比性,让他们之后数据处理的结果,呃能够得到一个较好的结论。 嗯,倾向匹配法的呃应用的话,就是先规定一个界限,像什么呃小 小于零点零五,然后在另一组寻找一个呃匹,呃匹配的个体倾向评分差异,嗯,小于零点零五的个体,让队列研究中暴露组的某个个体倾向评分值为零点五,则 那么他在非暴露组寻找的倾向评分值应该是在零点四五到零点五五的范围内的个体。啊,匹配的个体可以有多个,然后一旦匹配成功的话,啊匹配的个体将会被排除。嗯, 尽管他的平倾向性平分匹配,他能够同时平衡较多的变,但只能局限于混杂的已知变量,而一些未知的混杂变量可能仍然会 嗯对最终的结果产生影响,因此其他混杂因素的呃均衡能力不可能达到完全呃随机对照研究的水平。 然后我们来看就是一个例子,就是嗯对妇女孕期先造子弦,对儿童的发育状况,那么他的研究数包括了一百八十七名呃先造子弦妇女和四千七 一百二十二名正常妇女,然后他想要挑出正常的妇女进行研究,那么这就是呃匹配前后的极限的比较。我们可以看到他的配比之前,那么就是子先赵子贤的这一组的人数是有一百八十七人, 那么正常组是有呃是四千七百二十二人之多,那么在他匹配之后,他的极限也达到了一个平衡,并且他的体值在刚开始是都是具有呃显著的呃差异的,那么他进行匹配之后,他的 嗯各个啊都达到了一个均衡分布的状态,那么他接下来进行数据处理,就会比较得出的结论就会比较有可比性。然后接下来是步骤讲解,我们利用一个案例,就是说嗯吸烟和高血压之间的关联,那么他包括了二百三十三个 吸烟的人和九百四十九个不吸烟的人,然后如果全部随访的话,数数数据比较大,所以打算选取呃部分个体进行比较,那么首先我们看到他的是一个变量试图, 然后我们首先进行第一步选择数据,然后如果您是英文版的话,就是对照这个英文,然后来进行操作就可以,然后选择倾向性评分匹配,就进入了一个呃倾向性评分匹配的主对话框, 嗯,将分量变阻 smok 放入阻止式服务,那么一般处理负值需要为一,对到组负值需要为零啊,建议的话是按零和一,因为之前我负值的话就是负值错了,然后就一直出不来结果啊。然后就是将需要匹配的 变量放入这些预测的变量当中,就是这些能够会影响吸烟的一些因素。那么倾向性变量命命名为一个评分设定的变量。 ps, 那么匹配容差就是来设计倾向性评分匹配的匹配标志标准 学名就是为卡前值,这里设定为零点零二,将先组和不先组按照这个卡前值进行一对一的匹配啊,这里一说一下,就是卡前值的话, 嗯,卡钳值他设置的越小就是,呃,先组和不先组匹配后的匹配性可可比性就越好, 但是太小的匹配啊,卡钳值就意味着匹配难度的加大,那么成功匹配的对子数也会减少。嗯,所以我们需要综合考虑自己的数据,然后来设定这个卡钳值。 但是最合适的就是两组数据,呃,听上数据标准差的百分之二十比较合适,嗯,个案 id 的话是,呃,确定观测对象的 id, much id, 嗯,匹配变了名是设计一个变量明明确对到组组当中的匹配成功的 march id 输出数据局名字就是,呃,把匹配的观测对象单独输出一个,数据局为 march。 那么我们现在对话框里选择啊,选,选择就是选项 open 设置,然后设置合格个,按数量设定一个变量来明确啊。宾利组,某个观察对象在在对照组当中有多个, 嗯,多少个观测对象与匹满足匹配的条件,比如像病例组有一个观测对象 ps 等于零点六一音,那么对照 就可能会有零点六一零或者是零点六一二,那么抽样的话是默认为不放回抽样,那么最优化执行,嗯,执行性的就是系统自自系统默认勾选的,他就是会考虑一个精确匹配和模糊匹配, 那么匹配啊,随机排列个,按顺序,整个匹配过程当中,如果对照组有多个满足匹配条件的观测对象,那么是吧,是会默认随机将并立组和对照组进行匹配, 但是因为每次啊 spasmore 每次操作的啊,给对照组的数字是不同的,如果不,嗯,如果不那个特殊设定的话,实际每次匹配成功的对子是不一样的。也就是说说啊,对照组 a 匹配给并立组 b, 那么下 下一次就有可能匹配给宾利组 c, 所以这里就需要我们自行啊设置一个就是随机数的种子,确保它的匹配过程可以是那个重复的,然后我们在这里就是, 然后我们就可以得到一个结果,然后能看到它这里是吸烟和不吸烟的因变量, 那么以需要调整变量的为自变量构建 logistical 回归模型,然后研究出每一个对象的 ps 值,这是一个二元回归的 logistical 模型,我们可以看他的显著性这里, 然后这里是表三,表明您的精确那个匹配是有四十五对,模糊匹配是有一百一十四对,那么共计匹配是一百五十九对,那么七十四,七十四,这里是没有匹配成功的对数 匹配,呃容差,呃容许误差,这里主要是匹配过程,首先是精确匹配,就是及 ps 完全一致,就是说完全一致,就是说嗯 嗯,就像刚才那个例子,比如像他的病率组, ps 是零点六啊,零点六一一,那么他的对照组的匹配也就是零点六一一, 那么它匹配是三万三千六百六十三次。其次在精确匹配成功的前提下进行 ps 的模糊匹配,嗯,就是即最开始的设定卡限制,然后匹配成功次数是三万三千六百一十八次, 那么匹配后的数据库我们是可以看出它多了一个 ps。 e k s max id 就跟我们刚开始设置的是一样的,那么这 e k s 的表明就是有几个符合匹配条件的观测对象, 比如像 smoke, 这里它是 id 是二,就证明有两个对照组观测对象是符合匹配条件的,那么这个就是模糊匹配会多出来的,那么 ps 是基于逻辑思域的回归啊,模型计算出来的倾向性评分,匹配就是这里, 那么 match id 表示匹配成功的 id, 我们可以看到它这里是,比如像你数据最开始前面的 id 就是它相应匹配上的,那么这个点 没有的话,就后续的话就是表明没有匹配上,我们后续会把它筛出去,那么说到筛出去就说到这里啊,就是筛选匹配成功的对子,我们也是选择 数据,然后选择个案,然后设置条件满足,就是 mars id 就是这一块儿,它这里是没有数字的,那么只需要设计 下去 i d 大于或者等于一,就可以筛出新的数据解决到 and, 然后这就是两组呃呃两组之后的情况的比较,那么这个比较的表格进行一个卡方的检验,我们就可以得到, 刚才的吸不吸烟组是有九百来个,并且它的 p 值都小于零点零五,然后是分布是很不均匀的,那么在我们进行 ps m 之后呢?呃,我们再来进行一个卡帮的检验,我们就发现吸烟组和不吸烟组的人群现在是已经是 都是一百五十九个,并且 p 值都大于零点零五,大家都是处于一个嗯,比较,嗯,平衡,分布平衡的一个状态啊。接下来我进行一下布置步骤演示, 大家能看到我现在这个数据表格吗?可以看到的事情,嗯,好,那么首先我们就是按照第一步进行选择,点击数据,然后选择并倾向性评分匹配, 但是这个需要 spas 二十二以上的,然后用的是二十五,如果是没有的话,就需要下一个插件,然后阻止式符选择 smoke, 然后预测变量就是会影响这些吸烟的因素,然后选择这些都选进去, 然后倾向变量名,然后选择设定的 ps 匹配容差就是我们设定的卡钳值为零点零二, 然后个案 id 就是这个 id, 然后电量名就是 march id 输出的数据集,我们命名 much, 然后我们点击这里的选项 option, 然后就是合格的个案数量的变量就是是唯一 case, 然后默默认识不放回,并且执行最优化执行性的,然后排列是随机排列个案随机数种子就是一二三四五六,然后点击确定运行, 然后我们现在能看到他是给了一个新的数据库,然后我们先来就是看一下他的结果, 就是他处理了是一千一百八十二个数据,然后不吸烟的是有九百四十九粒,然后吸烟的是有二百三十三粒,然后 这一块就是他的二人罗志斯特回归,然后这里就是完全匹配,然后模糊匹配的对子,然后相加起来就是一百五十九对,那么就是有匹配不,不成功的就是七十四个,那么上面就是他精确呃匹配的次数和在卡弦之内匹配的次数, 然后我们能看到新的表格,就是这里是我们之前设定 ps 还有 e case 以及 march id, 然后这里的话它是两位小数变量,试图这里可以调, 然后 能看到这些是有一些就是说他的没有匹配上,他为零,他包括精确匹配和模糊匹配都没有匹配上的,所以他的 match id 就没有对应的 id, 那么这里的 match id 比如像二百八十八就证明呃这个第八个案例是匹配上了,第二百多个案例的 是就是这么来,然后接下来我们就是要嗯筛选一些匹配成功的那个数据,那么也是选择数据,选择个案,然后我们选择如果条件满足,然后就是 match id 大于等于一确定,然后我们将它复制到新的数据机, 点击确定, 我们就可以看到第四个数据库的时候,他这里就是已经没有没匹配上的数据了,都是已经匹配上, 总共匹配上的就是一百五十九对,三百一十八个,三,三百一十八例数据, 那么最好大家选择手动保存,然后就可以了,然后就用这个新的处啊处理好的数据,然后进行啊,你接下来需要做的卡方检验或者逻辑和回归都可以,那么这样得出来的结果是啊,具有较好的可比性。然后我的分享结束了。 好的,诗琪你的屏幕共享先别取消,然后咱们其他同学可以看看 有什么问题直接提出来啊,开麦或者打在聊天框里都行,大家看看对于诗琪这个分享有什么问题,哪里没听懂都可以提哈。呃,我有一个问题, 你说你说对,那个就是这个卡前值的设置。呃,刚才诗琪是一笔带过的,就是说根据你的数据情况然后去设置,就这个。嗯,能不能举个例子,就是给大给我就是老师给我讲一讲,我不知道这个该怎么去设置 啊。像卡前值的话就是我们,呃,针对数据的话几乎是一般是在零点零二到零点零三之间来设置,如果就是设置的太大的话,然后他数据匹配就是精确度可能没有那么好。就是,那就是说如果我的数据库越小, 那么我的这卡钳值就设的越小,就是零点零二,如果数据库大一点的话,我是可以设为零点零三啊。如果你数据库太小的话,如果你匹配容差就设置的太小的话,那他这样就匹配的数量就不会很多。如果你数据库比较小,你尽量把匹配容差就是设的稍微大一点。 哦,那就说,嗯,色的话尽量范围还是放在零点零二和零点零三之间对吧。对对对哦,明白了,谢谢啊。没事, 诗琪刚才是不是还提了一个什么公式,关于这个卡签值什么标准差,我也没听清那块啊。这个我也是查的,就是说他说最适合的卡签值就是取 两组倾向指数标准差的百分之二十,但是这个具体怎么算的话我也不是很清楚。倾向指数标准差的百 这样式。对,但是这个具体怎么算我也不是很清楚,因为我看大部分的案例都是按照零点零二或者零点零三这样来设置的卡限制。嗯, 其他还有别的问题吗? 其他同学还有什么问题吗? 这全部都听懂了吗? 达娜,静瑶,文玉有没有什么问题? 好,那个学姐能听到吗?我能听到 啊,就是在前面的时候,一开始的时候记得学姐说要选区的时候要选取一到两个因素,这样的话其实他相关因素很多的话是随便选还是就直接选一个最相关的因素呢? 啊?你选啊,如果你要选择相关的因素的话,其实就是四到五个其实就可以了,也不是说要一定拘泥于就是一到两个是怎么样的,就是他的 影呃,影响因素比较多的话就是你选选取几个比较有针对性的因素就可以了。但是啊,你可以就是说,嗯,他匹配之前不是有个屁值吗?你经常选择屁值就是较为显著有显著情况的,比如像他匹配之前他选择的 年龄、文化程度,然后产产次,然后胎数,他还有他的这些屁值都是小于呃零点零五,然后就表明他的其实是在匹配之前他的分布是比较不均衡的, 然后这样我们做进行 psm 之后,然后它的 p 值然后大于零点零五之后我们才能发现它是一个比较呃分布均衡的一个数据,其实对于选择的这个数量没有严格的限制。 嗯,好的好的,谢谢。 文玉和静瑶没有问题吗? 嗯,我没有。嗯, 都没有问题的话,诗琪你随机抽两位同学提问一个问题, 就是你刚才讲的东西随机,我感觉没有什么好提问的,因为我不知道提什么问题。 之前我有一个,我有一个,那个就是请求吧,就是这个关于这个吸烟的这个,呃,做的这个潜象性评分的这个数据库你能不能 分享一下?我想啊,可以完以后我下来,我自己也在我的这个 sps 上面,我再自己再走一遍啊。可以可以,有什么不懂的我再请教你。行,可以。好,谢谢。然后等一下分享在群里吧。好的,谢谢。啊。 啊,好像没有什么,我想问一下,就是你到你的那个数据库里,就是最后他不是有个 match id 吗?那个那个的意思是?嗯,匹配合格的 id 名称吗? 这个吗?等一下,是这个吗?对对对,就里面的那个值是指,对,就是比如像八百九十三,然后他这个 id 是一号,就证明一号是跟这个 id 为八百九十三是匹配上的。 嗯,那像他后面像第二行那个,他不是,是 e k 词是两个,也就是意思是他是能匹配两个。对,因为你因为你不仅选了精确匹配,还要模糊匹配 啊,那,那他这个麦是 id 显示的是就是精确匹配的那个 id 的版本吗?这个好像,这个我还真不清楚,但是好像是吧。 对,因为我之前就想着如果他匹配成功的两个,后面的 id 是不是应该是两个?两个。对,我我我就是有这一点疑问,但是但是我感觉他应该,但是他首先运行的是一个精确匹配嘛,然后所以我感觉他应该是 这个 id 的话是按照那个精确匹配的 id 来的。嗯,好的。哎,之前是他他说精确匹配成功的是多少?是三万啊?四四十五个完全匹配,如果完全匹配是四十五个的话, 嗯,进去。哎,没有有有,他模糊匹配是一百一十四对,然后精确匹配是四十五对,然后他是相加起来 对,但是我不知道他这个 march id 是怎么就是来列出来的,但是他能保证就是每一个都有一个相对应的 march id 啊。你再往下拉拉他后面的都有吗?就是大于四十五好像都有都有。 哦,我我好像明白了,他可能是 id 有重复的,就是他不是有可能同一个匹配号,两个的话, 但是感觉好像没有看到重复感。 我我的理解啊就是这两个数值啊,不知道说的对不 对?就是说。嗯,假如说就是我们的这个二号,二号的这个 id 里边的这二号这个数据,他匹配到的两个数据,那么这两个数据有可能是二百七十三和二百七十二和。假如说二百二十七这两个数据,那么 我为了达到我整个两个数据的数据库的一个一致,可能两个样本量我发现完了以后都是一样的,那么可能是不是把另外一个数据就当做是没有匹配成功就把它放弃掉了, 然后最终进入纳入我们这个可能我进最终要进行评估的话,就是因为他,我们是基于这个。 呃,敏感因素吗?那么我们可能认为这个年龄是一个敏感因素,然后有一个有一个数据匹配到了两个年龄相同的人,那么对于我们的数据分析来说他可能就不会不会造成就是这把这个数据是不是就弃用了, 我都理解,不知道对不对。我感觉也有点道理, 但是他有很多也会有,比如像这个就有十个能匹配上,对他有可能就只选了这个一千零四这个数据留下了,剩下的他是不是就弃用掉了?对我感觉没有匹配成功,然后就把它筛选出来了。 它它是这个 match id, 是用来明确对照组当中匹配成功的 match id。 嗯对啊,就是它虽然匹配成功了,但是因为它是重复数据吗?是不是就把它就给就没有选择出来?嗯 啊这样感觉是有点道理。对他有他有可能他这几个敏感因素 都是认为他两组他两这两个人的敏感因素都是一样的,那么可能这十这个人和这十个人也都是一样的,那么这十个人当中我只挑出来一个有代表性的我分析他其他的因素就 ok 了,我就不需要再把他相同的数据再拿出来分析了。嗯 我们可以下去再查一查。这个我可能说的也不一定对我个人的理解我感觉挺对的。哈哈哈。 事情那这个你回去再查一查吧,他这个卖叉 d 剩下的那些 e、 k、 s 到底是怎么回事?然后亲咱们发到群里啊。嗯 嗯,那其他同学没有问题的话咱们这个经验分享就先到这里吧。啊谢谢诗琪今天的分享哈,准备了我们结束共享。嗯好的。接下来咱们组会的第二个部分就是新加入课题组的几位同。
粉丝342获赞2465

您好,欢迎来到统计员数据分析平台。本期教程我们将为您讲解如何使用倾向性评分模块进行数据配对。第一节原理简介于使用场景。 一、在临床研究中,合理的对照是整个研究成败的关键。二、设置对照的核心原则就是可比性。 简单说就是对照组除了研究因素外,其他的因素应该尽可能和试验组保持一致。三、我们所熟知的随机对照实验极为满足可比性而设计。在随机对照试验中, 研究对象是否接受干预是随机的,这就保证了组间其他混杂因素均衡可比。但在很多研究中,随机对照无法实现,如 如观察性研究等。观察性研究容易受到混杂因素的影响,使得暴露因素与结局的真实关联容易被夸大或缩小, 从而导致错误的结论。五、应对这类情况,我们就需要进行数据的倾向性评分匹配,即 propensity score matching, 通常缩写为 psm。 倾向性评分匹配可以提高组建的均衡性,进而有效降低混杂偏移, 并且在整个研究设计阶段得到类似随机对照研究的效果。六、与常规匹配相比,倾向性平分匹配具有以下优势 第一,倾向性评分能纳入更多匹配因素,满足复杂的匹配需求。第二,通过使用大量斜变量的线性组合来获得单个分数,在平衡两组数据的同时不会丢失大量观察结果。第三,轻 倾向性评分能够增强统计结果的说服力。第四,基于以上两点,倾向性评分能够帮助您更快地捕捉数据的真实特性,从而提高研究效率。 七、倾向性平分值得一提的,烈士单独使用 psm 已被证明会增加模型的不平衡、低效率以及模型过度依赖性和偏差四个弱点。因此,在统计员中,依据学术界公认的匹配规则, 系统将 psm 与数据配对模块组合使用,并通过算法优化和创新解决了 psm 的平衡性、模型依赖性以及低效率的弊端。 并在上百次的测试中,我们完成了大量 c 权威论文 psm 数据的副线。第二节统计员倾向性评分功能优势相比 ibm 公司的 spss 等统 统计工具,统计员具有以下优势一、参数设置灵活,操作更简单。二、以包含三至五万条记录的数据表为例,使用统计员大约需要一至两分钟,而 spss 至少需要一小时,且容易爆错。 三、一件批量生成 psm 报告及配套结果图,无需整理结果。第三节 c 二肿瘤数据倾向性评分匹配实战案例本期教程使用的数据是 c 二数据库中的三万条肺癌数据记录。 本数据包含了五十二个变量 以及三万条肺癌数据记录。 在五十二个变量中, islam 为本案例所选择的分组变量,以大于或小于等于六十五岁为规则,将整体数据进行分组。 cs 数据库中的电量记录值均为统一规范格式,您可以根据具体分析任务需求对其进行批量转换。在倾向性评分任务 中,通常无需进行电量转换。在完成数据整理后,即可开始登陆统计员系统并执行分析任务。 首先,创建一个项目,对项目进行命名, 上传整理好的数据表,并耐心等待上传完成。提示。上传速度取决于网络环境的上传带宽。 在本案例中,数据表大小为十七兆,大约需要二十秒左右的时间完成上传 提示。上传成功后,点击立即提交,并等待页面跳转。在此期间,系统会对数据表进行预处理,自动识别所有变量类型。待创建成功提示后,页面会自动跳转到项目列表, 点击进入刚刚建立的项目, 随后点击变量选项,查看并核对变量识别情况。 如果您想利用确诊时间进行倾向性评分匹配,在数据量较大的情况下,可以将年龄变量类型手动改为连续型变量,这样能够大幅度减少倾向性评分运算消耗的时间。变量更改成功后,页面会自动刷新。 接下来点击数据集,进入数据处理页面。点击数据处理,为处理任务命名。 处理方法选择两组数据配对,处理对象选择全部,随后点击提交。 在参数页面中,您 可以快速完成任务部署。两分组变量选择 islap 研究对象编号电量选择 patient id。 接下来勾选所有需要纳入配对范围的变量, 电量差异范围留空即可。系统全自动判断差异范围。当然,您也可以根据特殊需求进行自定义。 勾选案倾向性评分。配对 倾向性评分容许两组差异范围定义为零点零五。配对模式总共四种,输入一级代表按照一比一进零。匹配数值越大,意味着匹配预值越宽松。输出数据文件 件中保留变量表,选择全部保留。 检查参数设置无误后,点击立即提交。请耐心等待任务执行完毕。本次任务大约用时六十至七十秒。 任务执行完毕后,会自动跳转到结果下载页面。 点击下载后 将结果压缩包保存到电脑。 将压缩包解压到单独的文件家中。随后您会发现统计员一件,帮您获得了整套 psm 评分结果。按照文件类别进行分组, 首先打开网页格式的总结报告, 红框中的记录清晰注明系统在评分任务执行前删除了三百六十三条重复记录。最终,倾向性评分数据记录在 analysis raise info 表文件中。 下方的数据表及倾向性评分评估总表可直接用于结果展示。 表下方的文字记录了倾向性评分过程中的具体执行细节和参数。 下方的表格记录了未能成功配对的样本详情。 结果图 analysis raise infopps 清晰展示了倾向性评分的总体情况。 before 和 after psmp pscore 结果图分别展示了倾向性评分执行前后的样本。倾向性评分的总体分布。 我们也能够借助该 最为直观的理解倾向性评分所带来的队列差异。 psnsnd 结果图展示了标准化平均差,即 smd 的整体情况。 snd 是检验组间协变量分布平衡的最常用统计量。 在 tab 表格式文件中, pps 结尾了文件,为倾向性评分完成 后,系统自动输出的总表可用于后续分析使用。 dd 结尾了文件,为评分后被剔除的数据汇总。 pdf 文件未对应图像文件的使量格式图片可以在 al 等软件中进行文字编辑和处理作图。 至此,本期教程到此结束。

新版统计员已经上线多组倾向性评分匹配功能,新建项目后进入数据分析, 在选择算法中找到多元分析,下选项中找到 p s m 倾向性评分匹配,点击 开始进行参数设置。 psm 分组方法,选择多组方法选择默认 neros two 分组,选择 group 分,组数大于等于三分组,配对比例无需选择,默认即可。 距离参数也叫容差范围卡前值,根据自己需要去设定即可。 配对变量,选择需要匹配的变量,拖进变量框,确保选择的变量中没有缺失值即可。这里我演示的是十二个变量的匹配, 勾选一个变量,按住 shift 卷勾选最后一个即可。选到中间部分的变量, 选择绘图变量可随意选择即可。 参数设置完成,点击开始运行分析, 运行完成 可以预览分析结果图,查看报告, 查看报告后可以下载结果、解压结果文件、查看图表等。 把表格拖进打开的 excel 表中,查看表中数据匹配后的数据。新表在 psm match 中, 如此简单,快来试试吧!

这个视频我们讲解一下决策链统计软件的倾向性评分的操作。打开软件后新建项目,这个是为了把分析结果存在我们制定的文件夹中,要求项目名称和工作目录都是英文标写, 工作文件夹建立好后,就可以在分析页面中进行分析了。 点开数据导入,拖入 excel 表接点,如果我们的表是其他格式的,就拖入相应的数据导入接点。 拖入数据导入节点后,右边会有运算单元参数,在这里加载自己的数据表。加载数据表后点击运算,选中节点,此节点完成,右 下角会有绿色圆点。表加载后点击结果。浏览,可以查看上传的表内容。 通常我们表里可能有一些字符串、缺失值等问题,需要下一步数据处理。今天这个演示表没有这些问题,所以直接可以进行数据分析。 我们先看下数据的大致情况,拖入描述统计节点,还是在右边运算单元参数里设置分组统计变量,输出各式等。 设置完成,点击运算,选中节点,开始分析 结果。浏览查看分析 结果,我们看到在 group 分组的情况下,两个统计变量均有差异, 因为想用 psm 的方法把数据在这个分组中的差异减小,所以在匹配前连续行变量,用 a novel 做个检验,与匹配后做个比较。 同样的操作,拖入节点后设置相应参数,设置检验变量分组预值,看清楚每个设置的说明,不要选错了。 设置完成,运行。此节点 运行完后,我们看下结果,浏览两组的 p 值都是小于零点 零五的,说明这个分组中数据分布不均匀。 接下来我们在数据分析、多元分析,找到倾向性评分节点,拖入画布中,连接好,开始设置匹配参数。 分组选择两组,再设置好分组和匹配变量方法,比例亦表示一比一距离。一般我们填零点零五,严格可以填零点零一或零点零二等。 设置完成运算,选中节点, 运算完成后,我们查看结果。浏览 psm 的结果有匹配前后的数据表, sdm 值得分分布图, sm 地图,这些结果图表都存在我们刚开始建立的文件夹中, 这样我们的 p s m 就得到了匹配后的表。我们需要看一下匹配后的 p 值。匹配后的数据表的文件名为 p s m matched t s v, 所以我们需要新导入 t s v 格式的表格 在我们上面匹配后的结果文件中加在匹配后的表运算,选中节点,完成匹配后的表的导入视力表。匹配后的数据没有被识别成连续型,因此需要转换变量类型。 我们看到其中一个变量被识别成了分类变量,我们在新数据类型里将它改成连续型,然后运行此节点。一般不会出现这种情况,在数据量比较小的时候, 整数是会出现这种情况的。 接下来我们对匹配后的结果进行 on nova 检验,看下 p 值情况。同样设置好运算单元参数 运算选中节点, 查看结果。浏览, 我们通过查看 p 值及云与图看到匹配后的差异明显减小。 那么我们继续看下多组 p s m 是怎么操作的。这两组 p s m 的操作相同。拖入导入数据节点描述统计节点 and nova 节点分别设置好运算单元参数。 这个多组的表有 四组,两个变量 在分组中差异显著。 and over 的结果中也可以看到差异 匹配前的检验结束,拖入倾向性评分节点, 在这里要注意选择多组别,点错了哦。再设置好分组变量,匹配变量 在多组 p, s, m 的结果中有匹配前后的表, s, m, d 表,匹配前后数据分布图等。 匹配后的表 psm matched tsv 要用于下一步检验。 拖入 t, s, b, 导入节点,加载匹配后的表, 对匹配后的情况进行检验。 结果浏览可以看到差异减小,匹配结果较好, p 值大于零点零五,无差异。 为了以后操作简单,这个操作的模板可以存下来哦。做完以后点击左上角保存,为模板填写好分类名称描述,点击确定, 点击左上角决策链图标。统计流中找到存下来的模板。 下次使用这个统计流就可以双击他建立新的项目分析哦。 是不是非常方便呢?快来体验吧!永久免费版哦!

各位同学大家好,今天的话主要讲一下 psm 的原理,然后关于 psm 的做法的话,我在之前的视频讲过,大家可以直接去做。然后做好之后的话,我们 点一下这个 sol id, 就是他新生成的变量,里面会有一个小气缸 id, 我们把这个 sout 一下,然后紧接着我们就可以打开我们的数据可以去分析一下了。然后第一列生成的这个 ps go 的话,他的意思就是说我们根据那些控制变量算到的一个倾向性得分匹配值, 我们到时候匹配样本就是根据这个值去进行匹配,只要他俩的数值相接近,那么我们就匹配成功了。 然后 ct 的话,它有两种变量,一种是昂 ct 的,另一个就是 ct 的,这根据我们当时你在做的时候它那个组别是啊组别变量来生成的,所以的话它俩的描述性统计是一模一样的。我们的倾向性得分匹配 可以就是从这些啊这些变量里面去找到我们要匹配的样本,然后这个的话就是我们的是否在共同样本之内,然后这个的话就是权重被他被使用了多少次,就是我们这个未匹配的样本,他被使用一次,被选用一次,被 嗯几次去作为我们的那个啊匹配的样本。然后 id 的话,他就是根据这个 ps go 他的这个从小到大进行排序,新生生的一例 id n e 的话,就是我们匹配的样本,他所需要的这个 啊他这个我们的这个要进行匹配的样本,他所对应的那个被匹配的样本,这些样本他都是从前面昂 ct 里面去找到的,然后嗯嗯的话就代表的是啊我们进行了一次匹配,如果我们要是按一比三匹配的, 他这里也会生成 n 号和 n 三。 pdif 的话就是我们这个样本和这个样本他俩的 ps go 相减得到的一个值。然后这个的话就是我们 ps m 所有的一个啊新生成的一个 代码讲解,然后以及他的原理的一个讲解,主要就是把我们的这个昂 jt 的和 jt 的进行一个分开,分开之后就算他们的那个新浪得分匹配值,只要他俩是接近的,在这两个组别里面他俩是接近的,那我们就把他在这生成生成新的代码, 然后进行一个匹配,然后我们到时候再做那个回归的时候,他就会直接就可以错了。好的,谢谢大家。

有同学问,经常看到倾向性匹配,倾向性评分,那什么是倾向性评分? 倾向性评分其实是倾向性匹配里面非常重要的一个参数。一般这个评分是通过 rouges 的回归获得, 其实就是将两组多个并特征并量,也就是 x 啊,就是多个 x 通过 logic 回归转化成一个并量,也就是倾向性平分。 倾向性评分中包含了 x 当中啊多个 x 当中所有的变量信息,它是综合反 反映了每一个个体 x 多个 x 变量它的一个水平。所以倾向性它的一个评分其实也是一个降维的一个过程 啊。他就是将单个并量倾向性,也就是倾向性得分对个体进行匹配,以替代什么呢?以替代多个 x 并量对个体进行一个匹配的一个过程。 好的,这就是倾向性平分的一个介绍,谢谢大家。

i'm going to talk i'm only about three slides here about the problem city school waiting so hopefully from the propane city score matching introduction video you already know that we have four different steps to conduct a propensary score matching and when you do propensary score waiting the second and tard steps are slightly different you still specify the propensity score and feed the propensity score model to predict the propensity scores from your exposer model or the propensity score model in the second step instead of matching, you convert all of the propane city scores into inverse probability of waiting and there are some specific formulas i will get to that in the next couple of slaves and then remember previously, we were doing coverted balancing in the mast sample, but now we will do the coverted balancing in the weighted sample and how do we get the voided sample? because the embers probably the worst that we create we multiply them to the data set simple data set that we have to get the pseudo population and that is usually known as the voited sample and once we are happy with the covered balance in the waiter sample, then we try to get the treatment effect estimate from that waited sample or the soda population so basically the outcome model happens in a waited data or the model is waited all right so let me give you just an overview of how the propensity score waiting works at first similar to before we feed the propensity score model we extract the propensity scores from that feet then we have this ps in here in step one and then once we have that ps we convert that ps using these formula to calculate the ipw so if we have a person within the treated group, we can calculate the ipw by one by ps if we have a subject, who is in the control group or not in the treated group then we calculate the ipw by one by one minus ps right and then we now have this ipw for all of the subjects, so that means all of the subjects are avoided by this inverse proglitude for its and then in the inverse probe to waited data we try to check the smd or the stranded as main differences and then we try to see whether they are below certain carpent or not several people point one could be a cut point point, two could be a cut point in the previous example, i have used point two and then once we are happy with the smd in the weighted data this then in the weighted data we run this outcome model so the association between the outcome and the treatment are revealed in this weighted model where the weight is the ipw right and when we use this kind of formula, we generally get a t e remember at the at one earlier video, i talked about a t e but in the propancy discourse we were getting a t t so how do we get a t t? then to get a t t the only thing we need to change is this ipw formula so previously, we had one by one minus ps right now it changes to one when we are dealing with a treated subject and the formula for ipw changes to p is divert by one minus ps when we are dealing with the subject, who is in the untreated cook all of the rest of the steps remain the same and using these weights when we with the final model and we estimate the treatment effect estimate and that trick effect estimate is going to have the interpretation of att。

在 s 二十八赛季中将采取评分匹配机制,单排时评分高的玩家会与评分高的玩家进行匹配,游戏脱离一代多和双方差距过大的匹配机制,而且会给拜方 mvp 优先匹配更强的队友, 会采取之前的平衡模式,导致玩家游戏体验过差。整体匹配机制可以参考巅峰赛,高分玩家只会匹配到高分玩家,低分玩家只会匹配到低分玩家,更利于区分游戏水平并增加游戏体验。 而且双排和三排也会采用评分最高的玩家进行匹配,类似于五排的匹配机制,不再存在拉分机制。

小学体测评分系统使用教程小学体测评分模板是一款能够帮助小学体育教师快速了解学生国家体制测试成绩的工具,具有以下功能,一,自动计算及数据分析功能 在输入体测数据后,模板可以立即计算学生的各项目成绩和总得分,并且自动计算班级、年级和全校的体测优良率以及各项目的平均值,数据一目了然。 二、报错功能在填写数据时,如果超出范围会自动报错,从而减轻教师在后续检查和整理数据的负担。三,专用的数据合并软件评分模板配有专用的数据 合并软件,能够一键将数据匹配到体测网下载的模板,极大减少后期数据合并的工作 使用。注意事项注意事项一,通过使用微信经商文档小程序或腾讯文档等在线编辑表格的共享功能,所有老师可以同时在线输入数据,减少后期数据收集和合并的麻烦。 注意事项二,前期收集学生花名册时, 可以向班主任获取包括学号、姓名、学籍号、性别。收集信息时注意性别用意表示男生。二、表示女生,不能用男或女性别输入错误会影响表 表格的计算。收集好信息后,教师再将学生信息复制至评分模板。注意事项三, 一、模板使用了大量的函数,如果网络卡或电脑慢,会造成卡顿的情况,因此默认关闭了 excel 表格的自动计算功能。填写数据查询班级、年级时,需要按重算才会更新数据方式、 菜单栏公式重算工作表。如想实现输入急出成绩,可打开表格的自动计算功能方式菜单栏、公式、计算选项、自动 注意事项四、 合并工具使用前尽可能完善学生信息。工具匹配原理是通过学籍号,其次是姓名。将数据合并到体测网模板,工具 会生成一个新表格,教师按照提示完善数据后,可直接将表格上传到体测网。生成的新表格中包含了三个工作表。工作表一是按照体测网模板生成的,其中包含了体测数据,如果所有数据齐全,可直接将表格上传到体测网中。 工作表二是数据不全的学生,这些学生可能为因受伤未进行体测或已转学的学生。处理方法是在表一中补全数据或在体测网删除学生信息。 工作表三是体测网中没有学籍信息的学生,此类学生可能为新转校生,需在体测网上添加学生信息或直接忽略。如果表二、表三人数均大于零,请老师核对两表格是否有名字相近的学生,有可能因名字和学籍号均输入错误而导致无法 匹配。以上为本评分模板的使用方法,本模板由中意英、朱成志老师以及体育教师大本营公众号、体育教师服务号联合策划推广, 希望对全国体育教师们有所帮助。评分模板可通过公众号领取,如有问题反馈与更好的建议,可联系作者。想了解更多详情,请关注体育教师大本营公众号。

来来来,我来教你去怎么质疑啊。我们来看这一条啊。这一条是一个非常典型的案例。招标文件有一条平行是这么说的食材供货比例均有固定品牌,且有一年限于知名度三十年以上两分,六十年以上四分,一百年以上八分。我的天呀,你是不是觉得很夸张,但是这是真实发生的啊。我 根据招投标法第二十条的明确规定,招标文件不得要求或标明特定的生产者,以及有倾向或者排斥潜在投标人的其他内容。 如果你发现这时候投标的时候只有一家能符合这个要求,那你去质疑,百分百能成功。


在之前讲到的一个绩效考核得分要换算成绩效的工资的系数,那这里边我为大家通过 excel 来去为大家去演示如何去进行一个换算,那么如果是得九十八分的话,那么换算的系数就是为一点二,那么我们先去做一个对应表,然后我们使用公式来去计算,那么就是用 index, 然后做对应的系数,然后再去匹配,用麦质再去匹配,那么对应的是九十八分,然后对应的考核得分, 然后这里边要选择大鱼,然后把括号填充之后就得到了所对应的系数是多少,然后我们用下拉填充,得到了每一个绩效考核得分的情况,然后呢换算成他的一个系数是多少,这样就能够进行一一对应了,你学会了吗?

vo kim 函数查找匹配,如何把这些人的号码快速从员工信息表中查找出来呢?用 luck 函数轻松找出。我 们知道姓名要查找出对应的号码,特别要注意,在员工信息表中,姓名列一定是排在号码列前面。 好了,点击 fxx, 插入函数,找到 fluker, 导入第一个参数查找值,也就是根据名字来查找第二个参数是数据表导入整个员工信息表。 第三个参数是重点,这个一定要会的,名字列必须在号码列前面,否则无法使用这个函数,所以是在第三列最后一个参数匹配条件 零表示精确查找易表示模糊查找,输入数字一确定根据姓名查找出号码就完成了。你学会了吗?学会了,点赞加关注哦!


咱这些每一个项目的啊,起步还有准备这些给大家去说一下都有什么样的扣分项。一、上车准备不绕车一周啊,然后观察外观及安全情况的话,这是要扣一百分。 不上车一周,检查车辆外观及周围环境扣一百分。还有上车之后啊, 不观察左后方,这一个是属于人工评判啊,打开车门前不观察后方交通情况扣一百分。 这个就是电脑平盘了啊,哎,危机安全带考试扣一百,启动发动机前未按规定系安全带扣一百分。 还有另一个就是启动发动机前车门没有关闭,这个也是扣一百分。发动机前未关闭车门扣一百分。这咱们起步起步完成了之后呢,剩下的灯光题在灯光在 当中给大家就是说一点就行了啊,如果说啊,你这一个远光灯使用成闪光灯做错的情况下是扣五分,剩下的题呢,就是错了之后直接都是扣一百分的啊,都是扣一百分的,是我们的一个灯光题这个问题。 第二个就是起步,我们如果不使用转向灯或者是转向灯小于三秒都是扣一百分, 不使用转向灯扣一百分,哎,然后转向灯小于三秒也是可以拜拜,转向灯少于三秒即转向扣一百分。 那车门没关闭起步也是扣一百二十,刚刚一百分。刚才咱这一个已经说了,现在这一个是人工平板,就是起步前啊,不观察我们周边情况,这个也是啊,扣咱一百分。起步前会通过后视镜并向左侧头观察, 查左后方交通情况,扣一百分。在如果在大家起步的过程中,如果说过于紧张,造成车辆自己一个熄火的状态,啥?呃,状态的话 必须要回到空挡才能打火,不回空挡打火考试扣一百分啊!启动发动机时,变速器操纵杆位置于空挡,扣一百分。 还有另一个给大家去说一下,这个很少有些人犯这个错误,但部分也有可能会出现啊,就是说打火之后呢,咱这一个点火开关未及时送,这个一般就是嘛,大约两秒考试啊,扣十分,电脑评判 发动机启动后不及时松开启动开关扣十分。还有就是咱这一个忘了松掉手刹然后起步了,这一个是啊,扣断了一百分,松,驻车制动器起步扣一百分。 另一个就是咱这一个在起步过程当中,哎,加速踏板使用不当,造成发动机超两千五百转,这个是直接扣一百分,这也是咱家电脑评判 起步时加速踏板控制不当,致使发动机转速过高,扣一百分。哎,这是咱一个起步大体的一个扣分项目啊,还有这每一个项目呢,就是我们的公交车站啊,人行道了需要区域了,这一个统一评判都有什么呢?一、电脑评判呢,就是咱这一个 刹车,哎,有的学员们有踩刹车,就是保安规定减速慢行考试扣一百分。电脑平板,另一个是我们人工平板啦,这一个通过这些公交车站,人行横道,学校区域这些人流量比较大的地方,不左右观察交通状况,哎,这个是人工评判扣一百分。然后我们左转和右转 的时候啊,大家一定要记住这个综合与咱的起步就是一个一转向灯的问题,二,还有就是这一个车速单位匹配的上啊,匹配上的问题。第三还有一个就是咱这一个啊,这 转向灯够三秒啊,一定要够三秒的一个问题啊,够三秒以上的一个问题啊,还有刹车点,大家一定要及时去踩,综合一下,就是说人工评判的,有什么呢?就是左右观察, 左右观察扣一百分,然后电脑平盘的什么呢?就是转向灯的问题,不打转向灯或转向灯小于三秒 啊。还有另一个就是咱电脑评判的,这一个不减速慢行,也就说刹车点并没有,哎,踩刹车,这是咱俩左右转路口和一个路口直行,同意,都有这些评判啊,哎,咱这一个调头呢,这个项目啊,电脑评判里有什么呢?不使用转向灯,就是说掉头前未发出掉头 掉头信号,或者是报不使用转向灯,这都是电脑评判的啊。然后另一个就是人工评判,人工评判就是什么呢?在你掉头时啊,防癌,正常的车辆或行人的行驶也有说危险状况啊,自己没有判断好。这一个是人工评判不合格的 啊,另一个咱这个变更车道呢,咱这一个电脑平台呢,有什么呢?也就是这一个变更车道,变更车道是他转向灯一定要打扣三秒,否则的话是扣一百分呢,这一个还有另一个 不使用转向灯,扣一百分哎,在规定距离范围内,有的地方是一百米,有的地方一百五,有的深圳二百米 啊,左右必须完成一个变道动作啊,如果超出这个距离的话,考试是不合格,直接扣一百分。然后还有另一个就是什么呢?就是咱这一个人工平盘啊,在你 变道的时候,操作的时候一定要保证好安全的情况下才能去操作,如果啊影响到其他车辆正常通行的话,这个是人工评判,考试后一百分。这一个评判和咱呢超车是一样的啊,也就是说 变道需要打灯,超车需要打灯,必须在规定距离范围之内完成,按至丢失再秒电脑平板。还有一个人工平板,就是不论是超车还是变道,必须不要妨碍其他车辆的正常行驶哎,否则的话,哎,只扣一百分的。 还有另一个就是咱这一个啊,加减档,加减档的位置,咱现在每一个地方的高贵不一样啊,有所区别,有的地方需要挂到五档位置,我们这一个地方呢,只需要挂到四档位置, 还是时间有所变动,以前我们是三秒即可,现在是五秒以上,否则扣十分啊,这是电脑评判,而且自动加速踏板使用错误或不按指令加 这加减档,这有可能在学员操作的过程中是挂错档了,或者是说,哎,这个月季升档了都容易爆电脑不合格啊。 还有一个最后一个就是给大家说一下这个靠边停车,哎,靠边停车,这现在,呃,整体靠轨没有什么,哎,太大变化啊,和原来是一样的,电脑平板有什么呢?一是转向灯的使用问题 啊,必须大于三秒和不使用的话啊,也是扣分的。然后另一个就是咱停车之后一定要在拉手刹之前把咱这一个刹车踩住,不要提前松脚刹,哎,拉进手刹之后再去松脚刹啊,否则的话再次电脑平盘扣十分。 还有开门前有的考场是必须系安全带的,否则是不合格,有的考场是不需要的啊,然后还有就是最主要的这个人工评判啊,人工评判就是什么呢?一定要在开关车门的时候啊,或者是在靠边停车的时候,往右 靠的时候一定要不要放,哎,正常的车辆行驶,否则的话也是口占了一百分。还有大家都众所周知啦,就是靠边停车啦,这一个三十公分以里大于三十公分扣十分对不对?哎,小于三十公分,哎, 没问题,如果大于三十公分大于三十公分扣四倍,那大于五十公分呢,我们这叫做是不合格 啊,所以说这个大家一定要记住啊,这是咱整体的一个科目三的整体的一个电脑和人工评判都有什么啊项目,大家需要注意的是什么啊?希望大家好好的去观看一下咱这个视频,对你科目三考试会有所很大帮助。

大家好,高效专项计划很快就要递交申报材料了,在递交申报材料的过程中,应该突出哪几点呢? 那个那就是今天给大家介绍一下突出以下四点。第一点嗯,突出单科成绩,与所申报的专业相匹配。 第二点是突出自建性,与所申报的专业相匹配。第三点是突出推荐性,与所申报的专业相相匹配。第四点就是呃,突出综合评价,与学校培养人才的倾向性相匹配。 如果做到以下四点,而以上四点,那么你的孩子申请通过你的几率是比较高的。

如何设置填空题答案模糊匹配评分,我们点击新增试题, 选择尸体类型,我们选择填空体,选择尸体分类,编辑尸体内容, 点击插入填空府。可以在填空位置插入。 这是答案一套 填空题,如果有多个填空答案,我们可以增加填空答案。 答案设置好之后,我们来设置模糊匹配评分。勾选判分时不区分答案先后顺序,这样系统在判卷记分时则会忽略答案的顺序或者勾选。只要匹配答案的部分关键词就可得分。 假如设置的答案是 ab, 考生输入 a 或者 b, 可按匹配度比例得分百分之五十,输入 ab 可得百分之百的分数。以这道试题举例, 我们将分数设置为六分,那么我们在作答的时候,只要打对了前面两空,我们就可以得到四分,点击保存。现在我们去创建试卷,将这道题添加到试卷中,我们去作答, 去参加这场考试。我们将填空顺序打乱, 并且只填写前两个填空。点击交卷, 我们可以看到填空顺序并不影响得分。这道试题是六分,我们填对了前面两空,按照正确比例得到了相应的分数。

哈喽,小伙伴们好,本期呢,我来聊一聊小伙伴们比较关心的几个问题啊,我也希望借此呢帮助那些兴趣的小伙伴以及想玩的小伙伴们。 在开始讲之前呢,也希望小伙伴们能一键三连,长按三秒点赞,感谢你们的支持,谢谢!首先说一下我的背景吧, 这个游戏呢是二零二零年六月五号公测的,到现在为止呢,快两年了。我是在二零二零年九月十号无意间看到小糖糖代言的这个广告进来玩的,一直玩到现在,有一年半多了。 我在三十八区王者之丘,我的游戏 id 叫卡布奇诺,我们去上老区了,和了三次区。好了,接下来我们进入正题,先说说第一个问题,这个游戏氪金吗?不氪金 能玩吗?关于这个问题呢,我只能说没有哪个游戏是不氪金的,主要看你怎么选择。像我们这个游戏啊,金主也多,充一百万以上的也挺多的,但是并不代表你不充钱就不能玩哈,充钱越多只是说你的这个成长越快, 不充钱的话,那你的成长肯定更慢了,需要多花点时间和耐心,如果你不想充钱又想霸服,那肯定不现实嘛,对吧?而且这个游戏非常的和谐啊,就是说你不充钱一样可以玩,就比如说我现在才是个圣灵,对吧,我们区都是很多神艺啊,神娃这种级别的, 我一个小小的森林照样玩的很开心对不对?我就喜欢白嫖的乐趣,所以说小伙伴们的心态一定要平和。我们接着聊第二个问题,这个游戏 能搬砖吗?能打金吗?关于这个问题呢,看过我之前视频的小伙伴应该知道啊,肯定是可以的,说句实话,这个游戏我能坚持这么久,就是因为他能搬砖,那他是怎么个办法呢? 这就得从他的活动玩法说起了,在这里我就不细说了,就大概说一下,如果有感兴趣的小伙伴们呢,可以看我的之前的视频或者留言给我。简单来说呢,就是纯钻石抽活动,抽到的时装坐骑武士送给别人, 核心就是纯钻石,这个钻石是可以白嫖的啊,当你有了这个时装作曲舞是想出售的时候呢,那你就可以去抹吧,抹于上面发布信息就可以了。交易的操作步骤也很简单,一般来说是通过各种排行榜 互加好友交易,也就是买房或者卖方在各种排行榜里面的朋友圈里面点赞,互加好友,然后进行赠送。 不过呢,近期的跨服交易已经关闭了,可能未来都会关闭掉,只是针对那些反转的时装坐骑,五四可能不会关闭。这也导致了现在这个商人啊,尤其是老区的商人啊,利润是直线下滑,不过这也在预料之中, 毕竟红绿区不可能一直有对吧,这个对新区来说可能影响不大哦,但新区有个变老区,所以长远来看的话,如果想打金的小伙伴们可要注意一下了。 但对于那种小号养大号的那种玩家来说,就无所谓了,比如说像我这样的,刚才说他这个赠送他人道具,那这里就牵扯到另外一个问题了,就是赠送积分怎么来的? 这个这种积分呢,主要可以充两个地方获取,一个是充值,一比一的充一块钱就是一积分。另外一个地方就是刷天空之塔或者噩梦之塔, 天空之塔的第十二层可以得五十分,第十三层可以得八十分,欧盟之塔的第四层可以得五十分,第五层可以得八十分。这里要特别注意一下,就是你的战力不能低于队伍最高战力的一半,否则的话你得不了积分啊。我们接着聊下一个问题, 最近有新区的小伙伴经常问我,哎,这个礼包值不值得买?那个礼包值不值得买?如果你是小智玩家的话,我建议啊,就是开那个月卡,双月卡三十六十八的,以及那个分明就是多一次转盘的那个次数的那个,三十块钱的那个 是可以的,其他的没必要去买了哈。还有就是新区的话有很多这个冲榜活动啊,如果你是金主想霸服的话,那无所谓啊,如果你是小只玩家,那没必要上头啊,其实那个含金量并不高哈。 我们接着聊下一个问题,有很多新区的小伙伴咨询我,说这个圣天使有没有必要去搞,我觉得这个主要是靠你的财力啊,如果你是小只玩家,我觉得没必要去搞了,还不如把那个羽毛卖撞死哈。 在后期哈,我们都没有人用圣天使的,那只是个过度的。我们目前这个版本啊,都是用恶魔不灭、金陵神龙或者无敌新成龙。还有小伙伴们经常问我,那个铃铛水晶球符文宝箱要不要存?早之前我做过一 视频啊,是讲这个的,这个符文宝箱我是建议大家存啊,因为六十八集之后呢,就会出那个红赏成赏符文,那你之前的那些普通的那些红色符文,橙色符文都要被换掉的。 至于铃铛和水晶球啊,存不存都无所谓,我觉得主要是七十二级之后会开那个增寿活动,那时候的铃铛和那个水晶球召唤的话,是有概率得这个火舞跟剑心,但是火舞跟剑心最终哈都是过度的, 所以没存的小伙伴也无所谓啊,主要把这个宠物信息搞上去啊,最终我们都是要灵魂链接链接那个不灭恶魔金玲珑的。当然还有一些关于职业方面的攻略问题,这个呢,我后面都会慢慢的逐步将 每一个职业做成攻略,也请小伙伴们耐心等待。好了,本期分享就到这里,如果你还有什么疑问的或者建议呢,也欢迎留言给我,感谢观看!欢迎关注叫我梁大侠,长按三秒点赞,我们下期见,拜拜!