倾向得分匹配（PSM）的样本选择偏差修正.docxVIP

倾向得分匹配（PSM）的样本选择偏差修正

在社会科学、公共卫生、经济学等领域的研究中，研究者常常需要评估某项政策、干预或处理的因果效应，比如就业培训对收入的影响、医保参保对健康水平的作用、教育投入对个人发展的长期影响等。不同于自然科学可以通过严格的随机对照试验获取无偏的因果证据，社会科学研究大多只能基于观测性数据开展分析，而这类数据往往存在不同程度的样本选择偏差——个体是否接受处理并非随机分配，而是受到自身特征或外部筛选机制的影响，导致处理组和对照组在干预前就存在系统差异。这种偏差会严重干扰因果效应的估计，使得研究结论偏离真实情况。如何有效修正样本选择偏差，一直是因果推断领域的核心议题之一。在众多修正方法中，倾向得分匹配凭借其灵活的适用性和直观的逻辑，成为过去几十年间应用最广泛的方法之一。本文将从样本选择偏差的本质出发，系统梳理倾向得分匹配修正偏差的理论逻辑、实操路径、适用边界与常见误区，为研究者合理运用这一方法提供参考。

一、样本选择偏差的内涵与传统修正路径的局限

（一）样本选择偏差的本质与产生场景

样本选择偏差的本质是观测样本的分布与研究目标总体的分布存在系统性差异，这种差异并非来自随机抽样的波动，而是由个体的自选择行为或外部的样本筛选机制导致的。最早对这一问题进行系统研究的是经济学家赫克曼，他在经典研究中指出，当个体是否进入样本、是否接受处理是主动选择的结果时，观测到的样本就