倾向得分匹配PSM的匹配方法对比.docxVIP

倾向得分匹配PSM的匹配方法对比

一、引言

（一）研究背景与问题提出

在公共政策评估、临床医学、社会学、经济学等众多研究领域，识别变量间的因果关系是研究的核心目标。理论上，随机对照试验是识别因果效应最可靠的方法，通过随机分配处理状态，能够保证处理组和对照组的所有可观测、不可观测特征在分组前保持平衡，此时两组的结果差异就可以完全归因于处理的作用。但在现实场景中，随机对照试验往往受限于伦理约束、研究成本、执行难度等条件难以大规模开展，绝大多数研究只能依赖非随机的观察性数据。观察性数据中的个体是否接受处理往往是自我选择的结果，处理组和对照组在初始特征上存在系统性差异，如果直接比较两组的结果差异，会将混杂变量的影响误判为处理效应，得到严重有偏的结论。

为了解决观察性研究中的可观测混杂问题，学界开发了包括匹配、加权、回归调整在内的一系列控制方法，其中倾向得分匹配是应用最广泛的方法之一。但在长期应用过程中，不少研究者存在明显的“方法套用”倾向：往往随便选择一种默认的匹配方法运行程序得到结果，既不了解不同匹配方法的底层逻辑差异，也不考察所选方法是否适配自身的数据特征，最终得到的估计结果可能存在较大偏差，甚至出现完全相反的结论。已有不少方法学研究指出，匹配方法的选择是决定倾向得分匹配估计效果的核心环节，不同方法在偏差控制、估计精度、样本利用率上的差异甚至超过了倾向得分模型本身设定差异带来的影响，系