倾向得分匹配（PSM）的偏差校正方法研究.docxVIP

倾向得分匹配（PSM）的偏差校正方法研究

一、引言

在社会科学、公共卫生、政策评估等众多研究领域，随机对照试验长期被视为因果推断的黄金标准，但现实场景中受伦理约束、成本限制、研究场景特殊性等影响，绝大多数研究无法通过随机分配干预的方式开展探索，只能依托观测性数据分析干预、政策或个体选择的真实效应。这一背景下，如何有效控制混淆变量带来的选择偏差，成为观测性因果推断的核心难题。在众多选择偏差控制方法中，倾向得分匹配因原理直观、操作灵活、适用场景广泛，成为过去四十年间应用最普遍的因果推断工具之一，自方法提出以来，已经被广泛应用于卫生政策评估、教育回报测量、公共项目效果评价等数以万计的实证研究中（RosenbaumRubin，1983）。

但随着方法应用的普及，越来越多的研究者发现，传统倾向得分匹配在实际操作中如果应用不当，不仅无法有效控制选择偏差，反而可能因模型设定错误、匹配规则不合理、忽略关键混淆变量等问题引入新的估计偏差，甚至得到完全错误的因果结论。有大规模方法学复现研究显示，已发表的应用倾向得分匹配的实证研究中，超过半数存在不同程度的偏差控制不足问题，部分研究的处理效应估计偏误甚至可以达到真实效应的一半以上（Austin，2011）。部分研究者对倾向得分匹配的应用存在“重结果、轻规范”的倾向，将其视为控制选择偏差的“万能钥匙”，却对方法应用中可能出现的偏差缺乏足够警惕，这也导致