倾向得分匹配法中的共同支撑条件满足.docxVIP

倾向得分匹配法中的共同支撑条件满足

引言

在因果推断领域，倾向得分匹配法（PropensityScoreMatching,PSM）因其能够有效控制观测性数据中的选择偏差，成为评估政策效果、干预效应的重要工具。该方法通过构建“倾向得分”（即个体接受处理的概率），将高维协变量降维为一维得分，进而在得分相近的处理组与控制组样本间进行匹配，模拟随机实验的效果。然而，PSM的有效性依赖于一系列关键假设，其中“共同支撑条件”（CommonSupportCondition）被视为核心前提——只有当处理组与控制组的倾向得分分布存在充分重叠时，匹配结果才具备统计可靠性。若这一条件不满足，可能导致匹配样本缺失、估计偏差放大，甚至得出与真实效应完全相悖的结论。本文将围绕共同支撑条件的内涵、理论价值、检验方法及满足策略展开系统探讨，以期为实证研究中PSM的规范应用提供参考。

一、共同支撑条件的内涵与理论基础

（一）共同支撑条件的定义与核心要义

共同支撑条件，简言之，是指处理组与控制组的倾向得分分布必须存在重叠区域。具体而言，对于所有可能的协变量组合，处理组中至少存在一个个体的倾向得分与控制组中某个体的倾向得分相近，反之亦然。这一条件确保了在匹配过程中，每个处理组样本都能找到“可比”的控制组样本，反之亦然。若处理组的倾向得分范围完全超出或部分超出控制组的分布范围（或反之），则超出部分的样本无法找到