psm倾向得分匹配法， 倾向得分匹配法，英文称为Propensity Score Matching，简称“PSM”，是一种利用非实验数据或观察数据分析干预效果的统计方法。

其理论框架是“反事实推理模型”，主要用于处理观察和研究的数据。

反事实推理模型一般假设因果分析的任何研究对象都会有两种结果，即观察到的和未观察到的结果。

psm的步骤如下：

1.一般用逻辑回归来计算趋势值。

2、分数匹配，分数匹配一般有几种方式：

(1)最近邻匹配(Nearest neighbor matching)，英文全称是Nearest neighborhood Matching，缩写为NNM(Nearest neighborhood Matching)，意思是根据倾向得分，用卡尺向前还是向后寻找最接近干预组样本得分的对象。

并组成一对。

(2)半径匹配，英文叫Radius matching，就是设定一个常数r，也可以理解为设定在一个区间或范围内小于趋势得分标准差的四分之一。

然后实验组和控制组的分数差在r内匹配。

(3)核匹配，英文叫Kernel Matching，实际上就是将干预组的样本与对照组所有样本计算出的一个估计效果进行配对。

其中，估计效果由实验组个体得分和对照组所有样本得分加权平均得到，权重由核函数计算。

3.匹配后评估天平。

4.计算平均干预效果(ATT)

5.进行敏感性分析。

psm倾向得分匹配法，以上就是本文为您收集整理的psm倾向得分匹配法最新内容，希望能帮到您！更多相关内容欢迎关注。