倾向得分匹配（PSM）在政策评估中的实践.docxVIP

倾向得分匹配（PSM）在政策评估中的实践

引言

政策评估是公共管理领域的核心环节，其核心目标是准确识别政策实施与目标结果之间的因果关系。然而，政策对象的非随机分配（如自愿参与、区域试点等）往往导致“选择偏差”——接受政策干预的群体（处理组）与未接受干预的群体（对照组）在基础特征上存在系统性差异，使得直接比较两组结果无法准确反映政策真实效果（Heckman，1979）。倾向得分匹配（PropensityScoreMatching，PSM）作为一种因果推断方法，通过模拟随机实验的逻辑，有效解决了这一难题。自Rosenbaum与Rubin（1983）系统提出以来，PSM已广泛应用于教育、公共卫生、经济政策等领域的评估实践，成为实证研究中不可或缺的工具。本文将围绕PSM的核心原理、实施流程、应用场景及常见问题展开探讨，结合学术研究与实践案例，揭示其在政策评估中的独特价值。

一、倾向得分匹配（PSM）的核心原理与理论基础

（一）选择偏差：政策评估的核心挑战

在观察性研究中，政策干预的分配通常是非随机的。例如，某地区推行“乡村教师补贴计划”，主动申请参与的学校可能本身师资力量薄弱、地理位置偏远，而未参与的学校可能资源更充足。若直接比较两组学生的成绩差异，结果可能混淆了“政策效果”与“学校原有特征”的影响，导致对政策效果的高估或低估（AngristPischke，2009）。这种因个体特