倾向得分匹配法（PSM）的样本偏差修正路径.docxVIP

倾向得分匹配法（PSM）的样本偏差修正路径

一、引言

在社会学、经济学、公共管理、公共卫生等领域的实证研究中，因果效应识别始终是核心研究目标。但现实世界中绝大多数的处理分配都不具备随机实验的特征，无论是个体的行为选择还是公共政策的落地实施，都会受到各类前置因素的影响，导致处理组和控制组样本存在初始的系统性差异，如果直接比较两组的结果差异，得到的估计值会混入样本本身的特征差异，无法真实反映处理的净效应。最早系统回应样本选择偏差问题的Heckman两阶段模型，依赖较强的函数形式假设和有效的工具变量，在实际应用中往往难以满足前提要求（Heckman，1979）。而Rosenbaum和Rubin提出的倾向得分匹配法，通过将多维度的协变量信息浓缩为一个倾向得分值，基于得分对处理组和控制组样本进行匹配，使得匹配后的两组样本除了处理状态不同之外，其他可观测特征尽可能一致，从而构造出类似随机实验的反事实框架，因其假设相对灵活、操作逻辑清晰，成为过去四十年间应用最广泛的因果推断方法之一（RosenbaumRubin，1983）。

但也要看到，当前大量应用PSM的研究存在不同程度的偏差问题：有些研究协变量选择随意，匹配规则套用固定模板，匹配后不做平衡性检验，甚至为了得到显著结果随意调整匹配参数，导致PSM不仅没有修正样本偏差，反而带来了新的估计偏误，甚至出现“匹配不如不匹配”的尴尬结果（King