因果推断中的倾向得分匹配法优化.docxVIP

因果推断中的倾向得分匹配法优化

引言

因果推断是揭示变量间因果关系的核心方法，广泛应用于经济学、社会学、医学等领域。在观察性研究中，由于无法通过随机对照试验（RCT）强制分配处理组与对照组，选择偏差（即处理组与对照组在协变量分布上的系统性差异）成为因果推断的主要障碍。倾向得分匹配法（PropensityScoreMatching,PSM）自Rosenbaum与Rubin于1983年提出以来，凭借“通过一维倾向得分替代高维协变量平衡”的核心思想，成为解决选择偏差的经典工具（RosenbaumRubin,1983）。然而，随着研究场景复杂化与数据维度提升，传统PSM在模型设定、匹配策略、评估体系等方面的局限性逐渐显现。如何优化PSM以提升因果推断的准确性与可靠性，成为当前方法论研究的重要议题。本文将围绕PSM的基本原理、局限性及优化路径展开探讨，以期为实证研究提供更科学的方法参考。

一、倾向得分匹配法的基本原理与传统应用

（一）倾向得分的定义与匹配逻辑

倾向得分是指在给定观测到的协变量集合下，个体接受处理的条件概率，数学上可表示为(P(Z=1|X))，其中(Z)为处理变量（1表示接受处理，0表示未接受），(X)为协变量向量。其核心逻辑在于：若两个个体的倾向得分相同，无论其协变量的具体取值如何，它们在处理分配上的概率是相等的；通过匹配倾向得分相近的处理组与