倾向得分匹配中的卡尺匹配方法.docxVIP

倾向得分匹配中的卡尺匹配方法

一、引言

在因果推断研究中，如何准确识别干预措施与结果变量之间的因果关系，始终是实证研究的核心挑战。传统回归分析易受混淆变量干扰，难以完全控制选择偏差；随机对照试验虽为“金标准”，但受限于伦理和成本，在社会科学、医学等领域的应用存在诸多限制。倾向得分匹配（PropensityScoreMatching,PSM）方法的提出，为观察性数据的因果推断提供了有效解决方案。该方法通过构建“倾向得分”（即个体接受干预的概率），将高维协变量降维为单一维度的得分值，从而在非随机数据中模拟随机试验的效果（RosenbaumRubin,1983）。

在倾向得分匹配的具体实现中，匹配策略的选择直接影响结果的可靠性。常见的匹配方法包括最近邻匹配、半径匹配、分层匹配等，其中“卡尺匹配”（CaliperMatching）因兼具灵活性与可控性，逐渐成为应用最广泛的方法之一。它通过设定一个“卡尺宽度”作为匹配阈值，仅允许倾向得分差异在该阈值内的样本进行匹配，既避免了无限制匹配可能导致的偏差，又比严格一对一匹配保留更多样本。本文将围绕卡尺匹配方法展开系统论述，从基本概念到核心原理，从操作流程到实践挑战，逐层深入解析其在因果推断中的应用逻辑与价值。

二、倾向得分匹配与卡尺匹配的基本概念

（一）倾向得分匹配的本质与功能

倾向得分匹配的核心思想是通过“平衡协变量分布”来消除选择