2.1 GBM估计倾向评分的非线性特点

    根据GBM估计的过程，算法迭代直到7 322次时使得K-S统计量达到最小。算法自动的根据57个协变量对模型对数似然度整体改善的贡献，来测量并排序每个协变量对处理分配的重要程度。可以用偏依赖图(partial dependence plots)^[17]来探索每个变量的边际分布。当对其他56个协变量分布边际积分以后，患者被分配到“用疏血通”组的对数优势比与每个协变量之间的关系为非线性的，见图1。这种非线性体现了GBM方法的优势。而且，从图1可以直观看出，在对其他协变量边际化后，使用奥拉西坦或入院病情危险等患者被分配到“用疏血通”组的可能性更大。

    D102.奥拉西坦；V18.入院病情(1.缺失，2.急，3.危，4.一般)；V12.住院科室(1.缺失，2.CCU，3.ICU，4.儿科，5.耳鼻喉科，6.放射治疗科，7.风湿病科，8.干部病房，9.骨科，10.呼吸内科，11.急诊科，12.老年病科，13.理疗科，14.内分泌科，15.其他科室，16.神经科，17.肾脏病科，18.外科，19.消化内科，20.心血管内科 ......