倾向得分匹配（PSM）在政策效应评估中的稳健性检验.docxVIP

倾向得分匹配（PSM）在政策效应评估中的稳健性检验

一、引言

在公共政策研究领域，准确评估政策实施效果是优化政策设计、提升治理效能的关键环节。然而，政策评估中普遍存在的“选择偏误”问题——即政策接受者（处理组）与未接受者（控制组）在政策实施前可能存在系统性差异——常导致简单的均值比较无法反映真实政策效应。倾向得分匹配（PropensityScoreMatching,PSM）作为一种因果推断方法，通过构建“倾向得分”（即个体接受政策干预的概率），将处理组与控制组在协变量层面尽可能匹配，从而模拟随机实验环境，成为解决选择偏误的重要工具。

尽管PSM在政策评估中应用广泛，但其结果的可靠性高度依赖模型假设的满足程度与操作过程的规范性。若倾向得分模型设定偏差、匹配方法选择不当或共同支撑假设不成立，可能导致匹配后的样本仍存在系统性差异，进而使政策效应估计偏离真实值。因此，开展稳健性检验是PSM应用中不可或缺的环节。本文将围绕PSM在政策效应评估中的稳健性检验展开，系统探讨其核心逻辑、具体方法及常见问题应对策略，为提升政策评估结果的可信度提供参考。

二、PSM在政策效应评估中的应用逻辑与潜在风险

（一）PSM的基本思想与政策评估适配性

PSM的核心思想是通过“降维”策略简化协变量匹配过程：首先基于可观测协变量（如个体特征、环境因素等）构建Logit或Probit模型，计算每个个体接受政策干