倾向得分匹配的样本偏差修正方法.docxVIP

倾向得分匹配的样本偏差修正方法

一、引言：观察研究中的样本偏差与倾向得分方法的兴起

社会科学、医学和公共政策评估中，研究者经常需要回答一个共同问题：某一项干预、政策或处理是否改变了人们的行为、健康状况或社会结果。理想情况下，应当通过随机分配将个体安排到处理组与控制组，使两组在可观测与不可观测特征上具有系统可比性，从而将结果差异归因于处理本身。然而，在大量现实问题中，随机实验因成本、伦理或制度条件限制而无法实施，研究者只能依赖观察数据。观察数据的核心难题在于，个体是否接受处理往往并非随机，而与其自身特征、环境条件和选择偏好密切相关。直接将处理组与未处理组的结果进行比较，可能把选择性差异误认为因果效应，这就是样本偏差问题的基本来源。

倾向得分匹配方法正是在这一背景下发展起来的统计修正工具。它由罗森鲍姆和鲁宾在二十世纪八十年代初期正式提出，基本思路是利用一组可观测协变量估计每个个体进入处理组的条件概率，即倾向得分，再依据该得分对处理组与控制组进行匹配或加权，从而在样本结构上模拟随机分配后两组协变量分布相近的状态（RosenbaumRubin,1983）。该方法将多维协变量信息压缩为单一维度，为观察研究中的样本偏差修正提供了一条直观、可操作且便于诊断的路径。此后，该方法在经济学、社会学、流行病学、公共管理等领域得到广泛应用，并围绕模型设定、匹配算法、平衡性检验和敏感性分析形成了较为完