因果推断中的匹配法（PSM）与DID结合.docxVIP

因果推断中的匹配法（PSM）与DID结合

一、引言

因果推断是实证研究的核心目标之一，无论是评估政策效果、分析干预影响，还是探索变量间的因果关系，研究者都需要解决“如果没有干预会怎样”的反事实问题。在众多因果推断方法中，倾向得分匹配法（PropensityScoreMatching，简称PSM）和双重差分法（Difference-in-Differences，简称DID）是应用最广泛的两类方法。PSM通过构造“相似”的对照组，解决截面数据中选择偏差问题；DID则利用时间维度的变化，通过“干预组-对照组”“干预前-干预后”的双重差分，控制未观测的时间固定效应。然而，单一方法在面对复杂现实场景时往往存在局限性——PSM难以处理时间维度的动态变化，DID对平行趋势假设的严格依赖可能因样本异质性被削弱。正是这种互补性，推动了PSM与DID的结合，形成更稳健的因果推断框架。本文将系统探讨二者结合的逻辑基础、实施步骤及应用价值，揭示这一方法如何为因果推断提供更可靠的解决方案。

二、PSM与DID的基础逻辑与局限性

（一）PSM：通过倾向得分构造可比样本

倾向得分匹配法的核心思想是“匹配”，即通过统计手段找到与干预组在协变量上高度相似的对照组，使得两组在干预前的特征分布一致，从而将干预效果的估计转化为两组结果变量的差异。具体来说，研究者首先需要构建一个概率模型（通常为Logit或Probit