倾向得分匹配（PSM）在政策评估中的应用流程.docxVIP

倾向得分匹配（PSM）在政策评估中的应用流程

一、引言

政策评估的核心任务，是回答“某项政策或干预是否真正产生了预期效果”这一问题。在理想条件下，随机实验通过随机分配处理组与对照组，能够使两组个体在可观测和不可观测特征上实现均衡，从而直接识别政策干预的因果效应。然而，在大量现实政策评估中，随机分配往往难以实现。一方面，许多政策并非以实验方式推行，个体是否接受干预通常受到自身特征、家庭背景、地区条件和制度安排等多种因素影响；另一方面，出于成本、伦理或操作可行性等考虑，许多政策也不允许将符合条件的个体随机地排除在政策之外。于是，政策评估者不得不依赖观测数据，而观测数据中普遍存在选择偏差问题。直接比较处理组与对照组的平均结果，很可能将原本就存在的个体差异误认为政策效应。

为了在非随机数据中尽可能接近因果推断，研究者发展了一系列准实验方法，倾向得分匹配（PropensityScoreMatching，简称PSM）是其中应用最广泛的方法之一。罗森鲍姆和鲁宾（Rosenbaum和Rubin，1983）系统论证了倾向得分在观察性研究中的核心作用，指出在给定一组可观测协变量的条件下，如果处理分配独立于潜在结果，那么基于倾向得分进行匹配同样可以消除可观测特征造成的选择偏差。此后，该方法被大量运用于劳动经济学、教育政策、公共卫生、发展经济学和社会政策评估中。本文围绕倾向得分匹配在政策评估中的