正文

揭秘PSM对照组：重复匹配背后的科学奥秘

/0 浏览量
0324

引言

倾向得分匹配（Propensity Score Matching，PSM）是一种常用的因果推断方法，尤其在社会科学研究中被广泛应用。PSM的核心思想是通过匹配个体倾向得分来平衡处理组和对照组之间的协变量差异，从而提高估计因果效应的准确性。本文将深入探讨PSM对照组的构建，特别是重复匹配（Repeating Matching）在其中的作用及其背后的科学原理。

PSM概述

倾向得分

倾向得分是衡量个体接受某种处理的可能性的一种指标。它通常通过模型（如逻辑回归）计算得出，模型中包含了一系列可能的协变量。

import pandas as pd
from sklearn.linear_model import LogisticRegression

# 假设我们有以下数据
data = pd.DataFrame({
    'treatment': [0, 1, 0, 1, 0],
    'age': [25, 30, 28, 32, 26],
    'gender': [0, 1, 0, 0, 1],
    'income': [50000, 60000, 55000, 65000, 52000]
})

# 构建倾向得分模型
model = LogisticRegression()
model.fit(data[['age', 'gender', 'income']], data['treatment'])

# 预测倾向得分
data['propensity'] = model.predict_proba(data[['age', 'gender', 'income']])[:, 1]

匹配方法

PSM的核心是匹配处理组和对照组中的个体，使得他们的倾向得分尽可能接近。常见的匹配方法包括1:1匹配、1:K匹配和全样本匹配。

重复匹配

重复匹配的概念

重复匹配是指在匹配过程中，对于每个处理组个体，可以多次尝试匹配对照组中的个体，直到找到合适的匹配对象。这种方法可以增加匹配成功的概率，但同时也可能导致过度匹配。

def match_with_repeats(data, max_repeats=5):
    matches = []
    for i in data[data['treatment'] == 1].index:
        for _ in range(max_repeats):
            match = data[data['treatment'] == 0].sample(n=1)
            if abs(data.loc[i, 'propensity'] - match['propensity']) < 0.01:
                matches.append((i, match.index[0]))
                break
    return matches

matches = match_with_repeats(data)

重复匹配的优势与局限性

优势

  • 增加匹配成功的概率。
  • 可以处理一些难以匹配的个体。

局限性

  • 可能导致过度匹配。
  • 计算成本较高。

结论

重复匹配是PSM对照组构建中的一种有效方法，它可以在一定程度上提高匹配的准确性。然而，在使用重复匹配时，研究者需要权衡其优势与局限性，并谨慎选择合适的匹配策略。通过本文的探讨，读者可以更好地理解重复匹配的原理及其在PSM中的应用。

-- 展开阅读全文 --