倾向得分匹配法(PSM)的样本偏差修正策略.docxVIP

  • 0
  • 0
  • 约7.26千字
  • 约 14页
  • 2026-11-17 发布于上海
  • 举报

倾向得分匹配法(PSM)的样本偏差修正策略.docx

倾向得分匹配法(PSM)的样本偏差修正策略

一、引言

在社会科学、公共卫生、经济学等诸多领域的研究中,随机对照试验被认为是因果推断的金标准,但由于伦理限制、成本约束、现实可行性等问题,很多研究无法采用随机试验的设计,只能依赖观测性数据开展分析(方积乾,2018)。然而观测性研究最大的问题在于,研究对象进入处理组还是对照组并非随机分配,而是存在系统性的选择差异,这种差异会导致处理组和对照组的样本特征分布不均衡,最终使得处理效应的估计出现偏差,也就是常说的样本偏差或选择偏差。如何有效修正样本偏差,构造可信的反事实组,是观测性研究中因果推断的核心议题。

随着定量研究方法的发展,学界已经发展出一系列修正样本偏差的方法,倾向得分匹配法就是其中应用最为广泛的方法之一。该方法最早由统计学家提出,之后被逐步引入到社会科学各领域的研究中,因其逻辑清晰、操作便捷的特点,迅速成为观测性研究中修正选择偏差的主流工具(胡安宁,2017)。但在实际应用过程中,很多研究者对该方法的理解存在偏差,往往只是套用标准化的操作流程,忽略了不同研究场景下偏差来源的差异,也没有针对性地采用对应的修正策略,导致很多研究的匹配质量不高,偏差修正不到位,甚至反而引入了新的偏差,最终得到的因果结论并不可靠。

基于此,本文系统梳理倾向得分匹配法的样本偏差修正策略,遵循由浅入深、层层推进的逻辑,从样本偏差的生成逻辑与该方法的修正原理出

文档评论(0)

1亿VIP精品文档

相关文档