因果推断中的倾向得分匹配法.docxVIP

因果推断中的倾向得分匹配法

一、引言

在科学研究与公共决策中，因果关系的识别始终是核心目标。无论是评估一项政策的实施效果、判断某种生活方式对健康的影响，还是分析教育投入对个人收入的作用，研究者都不满足于“变量之间存在相关关系”的结论，而希望明确“某一干预是否真的导致了结果的变化”。长期以来，随机对照试验被视为因果推断的“金标准”，通过随机分配处理组与控制组，能够保证两组个体在所有可观测与不可观测特征上的分布平衡，从而分离出干预的净效应。但在现实场景中，随机对照试验往往受限于伦理约束、实施成本、现实条件等因素难以开展，比如研究者无法强迫个体吸烟以验证吸烟与肺癌的关系，也无法随意调整区域政策试点的分配规则，此时基于观测数据的因果推断就成为重要的研究路径。

然而观测性研究最大的挑战在于选择性偏差——由于个体是否接受干预并非随机分配，处理组与控制组在诸多特征上本就存在系统差异，这些差异既会影响干预的分配，也会影响最终结果，进而导致研究者无法区分结果的差异究竟来自干预本身，还是来自两组原本就有的特征差异。为了解决这一问题，统计学家与计量经济学家提出了多种因果识别方法，其中倾向得分匹配法是应用最为广泛的方法之一。该方法最早由统计学家罗森鲍姆和鲁宾提出，通过将高维的混淆变量降维为单一的倾向得分值，实现了处理组与控制组的特征平衡，为观测性研究中的因果识别提供了可操作的路径（RosenbaumR