psm傾向得分匹配法

傾向得分匹配法，英文全稱為Propensity Score Matching，簡稱為“PSM”，簡單來説這是一種使用非實驗數據或者觀測數據來進行干預效應分析的一類統計方法，其理論框架為“反事實推斷模型”，多用於處理觀察研究的數據。

反事實推斷模型一般來説是假定任何因果分析的研究對象都會有兩種條件下的結果，即觀測到的與未被觀測到的結果。

psm的步驟為：

1、計算傾向值，一般是採用logistic迴歸。

2、進行得分匹配，得分匹配一般是有幾種方法的：

（1）最鄰近匹配，英文全稱為Nearest neighbor matching，簡稱NNM，也就是是否使用卡尺以傾向得分為依據，在控制組樣本中向前或者向後尋找到最接近干預組樣本得分的對象，並且形成配對。

（2）半徑匹配，英文全稱為Radius matching，這種方法是設定一個常數r，也可以理解為在區間或者範圍內，通常設定為小於傾向得分標準差的四分之一，然後將實驗組中得分值喝控制組得分值的差異在r內的進行配對。

（3）核匹配，英文全稱為Kernel Matching，這個方法其實就是將干預組樣本和由控制組所有樣本計算出的一個估計效果進行配對，其中估計效果是由實驗組個體得分值和控制組所有樣本的得分值加權平均獲得的，而權數是由核函數計算得出來的。

3、評定匹配後的平衡性

4、計算平均干預效果（ATT）

5、進行敏感性分析