倾向得分匹配的卡尺设置.docxVIP

倾向得分匹配的卡尺设置

引言

在因果推断研究中，倾向得分匹配（PropensityScoreMatching,PSM）是一种通过平衡处理组与对照组协变量分布来减少选择偏倚的重要方法。其核心逻辑是通过估计每个个体接受处理的概率（倾向得分），将具有相似倾向得分的个体进行匹配，从而模拟随机对照试验的效果。而在这一过程中，“卡尺设置”作为匹配时的关键参数，直接影响匹配结果的质量与研究结论的可靠性。它如同一把“标尺”，决定了处理组与对照组个体间倾向得分的最大允许差异——过宽的卡尺可能导致匹配对协变量平衡不足，过窄的卡尺则可能因样本损失过多而降低统计效力。如何科学合理地设置卡尺，始终是应用PSM方法时的核心挑战。本文将围绕倾向得分匹配的卡尺设置展开系统探讨，从基本原理到影响因素，从实践建议到常见问题，层层递进地解析这一关键技术环节。

一、倾向得分匹配中卡尺设置的基本原理

（一）倾向得分匹配的核心逻辑与卡尺的角色定位

倾向得分匹配的理论基础源于Rosenbaum与Rubin（1983）提出的“强可忽略处理分配”假设，即给定倾向得分，处理分配与潜在结果独立。通过估计倾向得分（通常通过Logit或Probit模型），研究者可以将高维协变量压缩为一维的倾向得分值，从而将复杂的多变量匹配转化为单变量匹配。在具体匹配过程中，常见的方法包括最近邻匹配、半径匹配、核匹配等，而“卡尺”主要应用于半径匹配（