因果推断中的倾向得分匹配（PSM）方法稳健性检验.docxVIP

因果推断中的倾向得分匹配（PSM）方法稳健性检验

在经济学、社会学、医学等众多领域的观察性研究中，因果推断的核心目标是准确识别处理因素（如政策干预、治疗方案）与结果变量之间的因果关系。然而，观察性研究普遍存在选择性偏差——个体是否接受处理往往与其自身特征相关，这会导致传统回归方法的估计结果偏离真实因果效应。倾向得分匹配（PSM）方法凭借其“将多维协变量匹配转化为一维得分匹配”的核心优势，成为控制选择性偏差的主流工具之一。但PSM的有效性高度依赖于一系列假设条件，而实际研究中这些假设难以完全满足，因此开展稳健性检验就成为验证结果可靠性、增强研究结论可信度的必要环节（RosenbaumRubin,1983）。本文将系统阐述PSM方法的核心假设、稳健性检验的必要性，详细介绍常用的检验手段，并探讨规范的实施流程与注意事项。

一、PSM方法的核心假设与稳健性检验的必要性

要理解PSM稳健性检验的重要性，首先需要明确PSM方法的核心逻辑与假设基础，进而认识到这些假设的脆弱性可能对结果产生的影响。

（一）PSM方法的核心逻辑与假设基础

倾向得分匹配方法由Rosenbaum和Rubin于某年提出，其核心思想是构建一个包含所有可观测协变量的倾向得分（即个体接受处理的概率），通过将处理组与控制组中倾向得分相近的个体进行匹配，平衡两组的协变量分布，从而模拟随机对照试验的场景，消除选择性偏差对因果效