倾向得分匹配（PSM）的原理与Stata实现.docxVIP

倾向得分匹配（PSM）的原理与Stata实现

一、引言

在社会科学、医学及公共政策等领域的实证研究中，随机对照试验常被视为估计因果效应的“金标准”，因为它能通过随机分配干预消除选择性偏误，确保干预组与对照组在协变量分布上的均衡性。然而，受限于伦理、成本或现实条件，多数研究无法实施随机对照试验，只能依赖观察性数据进行分析。观察性数据中，个体是否接受干预往往由自身选择或外部非随机因素决定，这会导致干预组与对照组在协变量上存在系统性差异，进而使直接比较两组结果得到的效应估计存在偏差，即选择性偏误（Heckman，1979）。

为解决这一问题，倾向得分匹配（PropensityScoreMatching,PSM）方法被提出并得到广泛应用。该方法由Rosenbaum和Rubin于1983年首次系统阐述，核心思路是将多维协变量降维为单一的“倾向得分”，通过匹配倾向得分相近的干预组与对照组个体，构建近似随机的对照场景，从而准确估计干预的因果效应。目前，PSM已成为观察性研究中因果推断的主流方法之一，而Stata作为一款功能强大的统计分析软件，为PSM的实现提供了便捷且高效的工具。本文将从原理层面深入解析PSM的核心逻辑，结合Stata软件详细介绍其操作流程与结果解读，为实证研究者提供可复制、可操作的参考框架。

二、倾向得分匹配的核心原理

（一）观察性研究中的选择性偏误与匹配的基本逻辑

选择