倾向得分匹配（PSM）的匹配方法选择优化.docxVIP

倾向得分匹配（PSM）的匹配方法选择优化

引言

在因果推断研究中，如何有效控制混杂变量、准确估计处理效应始终是核心挑战。倾向得分匹配（PropensityScoreMatching,PSM）自Rosenbaum与Rubin于1983年提出以来，凭借其通过单一维度（倾向得分）平衡协变量分布的优势，成为观测性数据因果分析的主流方法（RosenbaumRubin,1983）。然而，实践中匹配方法的选择（如最近邻匹配、半径匹配、核匹配等）直接影响倾向得分的利用效率与匹配质量，进而导致处理效应估计的偏差或不一致。近年来，随着因果推断研究场景的复杂化（如小样本、高维协变量、非线性关系等），传统