倾向得分匹配（PSM）在就业政策评估中的实证.docxVIP

倾向得分匹配（PSM）在就业政策评估中的实证

引言

就业是民生之本，也是经济社会发展的“稳定器”。随着各国政府对就业问题的重视程度不断提升，各类就业政策如职业培训、就业补贴、创业扶持等持续出台。然而，政策效果究竟如何？是否真正帮助目标群体实现了就业改善？这些问题需要通过科学的评估方法来解答。传统的政策评估方法如简单均值比较、普通最小二乘法（OLS）回归等，往往难以解决“选择偏差”问题——政策受益者（处理组）与未受益者（对照组）可能在年龄、教育背景、技能水平等多方面存在系统性差异，导致直接比较结果无法准确反映政策的真实效果。

倾向得分匹配（PropensityScoreMatching，PSM）作为一种基于观测数据的因果推断方法，通过构建“反事实”框架，能够有效平衡处理组与对照组的协变量差异，为就业政策评估提供更可靠的实证依据。本文将围绕PSM在就业政策评估中的应用展开，从核心逻辑到操作流程，结合具体案例，系统探讨这一方法的实践价值与局限。

一、倾向得分匹配（PSM）的核心逻辑与就业政策评估的适配性

（一）PSM的基本原理与因果推断逻辑

要理解PSM的价值，需先明确政策评估的核心目标：估计政策干预（处理）对目标群体的平均处理效应（AverageTreatmentEffect，ATE）。理想状态下，我们需要观测同一个体在“接受政策”和“不接受政策”两种状态下的结果差异，但现实中只能观测到其中一种状态，形成“反事实缺失”问题。

PSM的解决思路是：通过统计方法找到与处理组个体在协变量（如年龄、教育、工作经验等影响政策参与和结果的变量）上高度相似的对照组个体，使两组在协变量分布上趋于一致，从而近似模拟“反事实”场景。其关键步骤是计算每个个体的“倾向得分”——即给定协变量时，个体接受政策干预的概率。通过倾向得分匹配，处理组与对照组的协变量分布被平衡，此时两组结果变量的差异即可归因于政策干预本身。

（二）就业政策评估中选择偏差的典型表现

就业政策的目标群体往往具有特定特征。例如，职业培训政策可能更倾向于选择失业时间较长、技能水平较低的群体；就业补贴政策可能优先覆盖家庭负担重、经济压力大的劳动者。这些特征本身会影响就业结果：失业时间长的个体可能更难再就业，家庭负担重的劳动者可能更急于寻找工作。若直接比较处理组与对照组的就业概率，结果可能混淆了政策效果与群体固有差异。

以某城市“青年就业扶持计划”为例，该计划为20-25岁失业青年提供职业技能培训和岗位推荐。若仅比较参与计划的青年（处理组）与未参与的青年（对照组）的3个月后就业率，可能发现处理组就业率更高，但这一差异可能并非完全来自政策，而是因为参与计划的青年更积极主动，或更愿意配合调查（选择性参与偏差）。此时，PSM通过平衡两组在“求职意愿”“家庭支持”等协变量上的差异，能够更准确地分离出政策的真实效果。

（三）PSM与就业政策评估的适配性优势

相较于其他因果推断方法，PSM在就业政策评估中具有独特优势：其一，数据可得性高。就业政策评估通常基于调查或行政记录数据，PSM不依赖随机实验，适用于观测性数据；其二，操作灵活性强。通过调整匹配方法（如最近邻匹配、核匹配）和协变量选择，可适应不同政策类型（培训、补贴、创业支持等）的评估需求；其三，结果可解释性强。匹配后的协变量平衡检验能直观展示处理组与对照组的相似性，增强结论可信度。

二、PSM在就业政策评估中的实证操作流程

（一）数据准备与协变量选择

实证研究的第一步是明确研究问题与数据来源。假设我们要评估某地区“失业人员职业技能培训政策”的效果，核心问题是：参与培训是否显著提高了失业人员的再就业概率？数据可来源于该地区的失业登记系统与后续跟踪调查，包含以下信息：

个体特征：年龄、性别、受教育程度、失业前职业类型；

政策参与情况：是否参与培训（处理变量）；

结果变量：培训结束后6个月内是否成功再就业；

协变量：需选择影响政策参与和就业结果的变量，如失业时长（影响是否被推荐参加培训）、家庭经济状况（影响求职紧迫性）、健康状况（影响就业能力）等。

协变量选择需遵循“相关性”与“外生性”原则。一方面，要涵盖所有可能同时影响处理变量和结果变量的“混淆变量”；另一方面，避免引入受政策干预影响的“中介变量”（如培训期间的学习时长），否则会低估政策效果。

（二）倾向得分的估计与匹配方法选择

倾向得分的估计通常采用Logit或Probit模型，将处理变量（是否参与培训）作为因变量，协变量作为自变量，计算每个个体的参与概率（倾向得分）。例如，通过Logit模型得到：

P(D=1|X)=1/[1+exp(-β0-β1X1-…-βkXk)]

其中，D=1表示参与培训，X1到Xk为协变量。模型拟合后，每个个体的倾向得分即为其参与培训的预测概率。

匹配方法的选择需结合