倾向得分匹配法中卡尺匹配与核匹配的精度对比.docxVIP

倾向得分匹配法中卡尺匹配与核匹配的精度对比

一、引言

在因果推断领域，倾向得分匹配法（PropensityScoreMatching,PSM）是解决观测数据中选择偏误问题的重要工具。其核心逻辑是通过构建一个反映个体接受处理概率的倾向得分值，将高维协变量降维为一维得分，从而在得分相近的样本间进行匹配，模拟随机实验的效果（RosenbaumRubin,1983）。经过近四十年的发展，PSM衍生出多种匹配策略，其中卡尺匹配（CaliperMatching）与核匹配（KernelMatching）因操作灵活、适应性强，成为应用最广泛的两种方法。

然而，不同匹配策略的精度差异直接影响因果效应估计的可靠性。精度通常指估计量的偏差（Bias）与方差（Variance）的综合表现：偏差反映估计值与真实值的系统性偏离，方差反映估计值的波动程度。对于实证研究者而言，选择匹配方法时不仅要关注操作便利性，更需明确两种方法在不同数据场景下的精度表现。本文将围绕“精度对比”这一核心，从方法原理、实现逻辑、理论性质及实证表现四个维度展开分析，旨在为研究者提供方法选择的科学依据。

二、倾向得分匹配法的基础逻辑

要理解卡尺匹配与核匹配的差异，需先明确PSM的基础框架。倾向得分定义为在给定协变量X的条件下，个体接受处理（记为D=1）的概率，即(p(X)=Pr(D=1|X))（Rosenbaum