因果推断中的倾向得分匹配（PSM）.docxVIP

因果推断中的倾向得分匹配（PSM）

引言

在社会科学、医学、经济学等领域的研究中，因果关系的识别始终是核心目标。与自然科学可通过随机对照试验（RCT）直接干预并控制变量不同，观察性数据研究常面临“选择偏差”问题——接受干预（如治疗、政策）的个体与未接受干预的个体在关键特征（如年龄、健康状况、经济水平）上存在系统性差异，导致直接比较两组结果时无法准确分离干预的真实效应（Rubin，1974）。倾向得分匹配（PropensityScoreMatching,PSM）作为解决这一问题的重要方法，自Rosenbaum与Rubin于1983年提出以来，已成为观察性研究中因果推断的经典工具。它通过构建“倾向得分”量化个体接受干预的概率，进而在非随机数据中模拟随机试验的平衡条件，为因果效应估计提供了更可靠的路径。本文将围绕PSM的核心原理、实施步骤、应用场景及挑战改进展开系统探讨，以期为研究者理解与应用这一方法提供参考。

一、倾向得分匹配的核心原理

（一）因果推断的基本困境与倾向得分的提出

因果推断的根本任务是估计“反事实结果”：对于接受干预的个体，若未接受干预会怎样；对于未接受干预的个体，若接受干预会怎样（Holland，1986）。但观察性数据中，这两种状态无法同时观测，只能通过比较两组个体的结果来近似。然而，干预组与对照组的个体在协变量（如性别、教育程度、疾病严重程度）上的差异可能混淆