Regression modelQuasi-experimental / causal inference
稳健倾向得分匹配
稳健倾向得分匹配（robust PSM）是一种准实验因果推断方法，它根据估计的接受处理的概率（倾向得分）将处理组和控制组单元进行配对，然后使用方差估计量来估计平均处理效应，这些估计量考虑了由估计倾向得分本身引入的不确定性。Abadie和Imbens（2016）提出的校正方法，可以防止在匹配后天真地应用标准自举法或解析公式时产生的误导性推断。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- Abadie, A., & Imbens, G. W. (2016). Matching on the Estimated Propensity Score. Econometrica, 84(2), 781-807. DOI: 10.3982/ECTA11293 ↗
- Rosenbaum, P. R., & Rubin, D. B. (1983). The Central Role of the Propensity Score in Observational Studies for Causal Effects. Biometrika, 70(1), 41-55. DOI: 10.1093/biomet/70.1.41 ↗
如何引用本页
ScholarGate. (2026, June 3). Robust Propensity Score Matching Estimator. ScholarGate. https://scholargate.app/zh/causal-inference/robust-propensity-score-matching
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
- 粗化精确匹配 (CEM)因果推断↔ 比较
- 双重稳健估计（AIPW）因果推断↔ 比较
- 逆概率治疗加权法 (IPW / IPTW)因果推断↔ 比较
- 匹配估计量因果推断↔ 比较
- 倾向得分匹配研究统计学↔ 比较
- 倾向得分加权法 (PSW / IPW)因果推断↔ 比较