对糖尿病数据（DM.csv）考虑以Age和BMI为协变量进行倾向性评分匹配样本

首先，读取数据集：

library(tidyverse)
library(Matching) #需要安装Matching包

diabetes <- read.csv("DM.csv")

接下来，我们需要进行数据清洗和预处理：

#将Age和BMI转化为数值型变量
diabetes$Age <- as.numeric(diabetes$Age)
diabetes$BMI <- as.numeric(diabetes$BMI)

#删除含有缺失值的行
diabetes <- diabetes %>% 
  drop_na()

#创建倾向性评分模型
psm_model <- glm(Treatment ~ Age + BMI, data = diabetes, family = "binomial")
#计算倾向性分数
psm_score <- pscore(Treatment ~ Age + BMI, data = diabetes, model = psm_model)

然后，我们使用 `Match()` 函数进行倾向性评分匹配：

#进行倾向性评分匹配
matched_data <- Match(Y = diabetes$Outcome, Tr = diabetes$Treatment, X = psm_score, caliper = 0.1, M = 1)
#查看匹配结果
summary(matched_data)

最后，我们可以根据匹配结果进行进一步的分析和建模。