处理效应模型的逆概率加权回归调整（IPWRA）.docxVIP

处理效应模型的逆概率加权回归调整（IPWRA）

一、IPWRA的发展背景与核心定位

（一）观测性研究中的因果推断困境

在社会科学、公共卫生、政策评估等多个研究领域，研究者经常需要基于观测性数据分析某种干预或处理的因果效应，但由于观测性研究不存在随机分配机制，处理组和对照组的个体在基线特征上往往存在系统性差异，也就是常说的选择偏差问题，直接比较两组的结果会得到有偏的效应估计。鲁宾提出的潜在结果框架为因果推断提供了统一的理论基础，该框架指出每个个体都存在接受处理和不接受处理两种潜在结果，但研究者只能观测到其中一种，因果效应的本质是反事实结果的差值，因此因果推断本质上是一个缺失数据问题（鲁宾，1974）。在随机对照试验中，处理的随机分配保证了处理组和对照组的潜在结果分布一致，直接比较两组均值就能得到无偏估计，但观测性研究中的处理分配往往受个体特征影响，比如是否参加职业培训由个人意愿决定、是否享受扶贫政策由家庭收入水平决定，这种非随机分配导致的基线差异会和处理效应混杂在一起，让研究者难以区分真正的因果效应（谢宇，2010）。如何有效处理选择偏差、还原真实的处理效应，是观测性研究面临的核心挑战，也推动着因果推断领域不断发展新的方法。

（二）传统处理效应估计的两类路径及其局限

为了解决选择偏差问题，学术界先后发展出两类主流的处理效应估计路径。第一类是逆概率加权（IPW），该方法的核心思路是通过