倾向得分匹配（PSM）在政策评估中的常见误区.docxVIP

倾向得分匹配（PSM）在政策评估中的常见误区

引言

倾向得分匹配（PropensityScoreMatching，PSM）作为一种广泛应用于政策评估、因果推断和随机对照试验替代方法的重要统计技术，旨在通过匹配处理组和控制组，模拟随机对照试验的效果，从而更准确地估计政策干预的效果。然而，尽管PSM在理论上具有优势，但在实际应用中，研究者们仍常常陷入一系列误区，这些误区不仅可能影响评估结果的准确性，甚至可能导致错误的结论。本文旨在系统梳理PSM在政策评估中的常见误区，通过分析这些误区的成因、表现及后果，为政策评估研究提供更为科学和严谨的方法论指导。

一、PSM的基本原理及其在政策评估中的应用

（一）PSM的基本原理

倾向得分匹配（PSM）是一种基于概率匹配的统计方法，其核心思想是通过构建一个倾向得分模型，将处理组和控制组在可观察特征上的差异进行标准化，从而实现有相同倾向得分（即接受干预的概率）的单位之间的匹配。倾向得分模型通常使用逻辑回归或泊松回归等分类模型来估计，模型中包含一系列影响个体接受干预的可观察特征（如年龄、性别、收入等）。通过匹配，PSM旨在确保处理组和控制组在所有可观察特征上具有相似的分布，从而减少选择偏差，更准确地估计干预效果（Rosenbaum，2009）。

（二）PSM在政策评估中的应用

在政策评估中，PSM因其能够模拟随机对照试验的效果而备受青睐。例如，在评估