SPSSAU_计量经济研究_倾向得分匹配.pdf

SPSSAU-在线SPSS分析软件

SPSS分析SPSS教程PSM平行假设检验倾向得分匹配PropensityScoreMatchingSPSSAU

网页在线SPSS

倾向得分匹配PSM分析

Contents

1背景2

2理论3

3操作4

4SPSSAU输出结果5

5文字分析6

6剖析7

7疑难解惑8

倾向得分匹配(PSM)，是一种将研究数据处理成‘随机对照实验数据’的方法,目的在于减少数

据偏差和混杂因素的干扰。PSM一般在计量研究，医学领域等有着广泛的使用。

比如：当前想研究‘读研究生’对于收入的帮助，当前有收集1000个研究数据，有的已经读

过研究生，有的没有读过研究生。一种简单的做法是直接对比‘读过’和‘没有读过’这两类群体的

收入差异。但这种做法似乎‘不妥’，因为父母学历，父母是否做教育工作等因素都会干扰到研究。

因此，PSM正是为了减少这种干扰。PSM可实现找到类似的两类人，他们的基本特征（比如父

母学历，父母是否做教育工作等）都基本一样，但惟一的区别在于‘是否读过’研究生。这样可减

少干扰因素差异带来的数据偏差和混杂干扰。

PSM一般用于计量研究里面，比如说某项‘政策’带来的效应研究。（比如是否开展‘禁塑令’，

‘是否垃圾分类’，‘是否提供失业培训’，‘是否减免中小企业税收’等政策）。

除此之外，PSM在医学领域使用也较为广泛，比如临床研究做实验时对照组数据的寻找。

比如想研究吸烟和心脏病之间的关系，是否吸烟两类群体个体匹配。‘为探讨某暴露或干预因素

和结局之间的关系，因此需要与对照组进行比较，实验和对照组研究时会有因素的干扰，PSM的

目的正是在于控制或减少非处理因素的干扰，突显处理因素效应情况’。研究因素是‘是否吸烟’，

其它因素都叫做非处理因素(比如年龄，身高，体重等等)，PSM可以减少这些非处理因素的干扰。

SPSSAU-在线SPSS分析软件

倾向得分匹配PSM案例

Contents

1背景2

2理论3

3操作4

4SPSSAU输出结果5

5文字分析6

6剖析7

7疑难解惑8

1背景

当前有一项‘读研对于收入影响’的研究，共收集1000个研究对象（样本）。其中有的研究对

象‘读研究生’，有的研究对象‘没有读研究生’，希望研究是否读过研究生，对于年收入的影响情

况。数据最简单的处理是直接对比‘是否读研’两类群体的年收入差异。但这种做法有问题，因为

之前研究显示，父母学历，父母是否从事教育相关职业，都会对‘是否读研’，以及‘年收入’有着

干扰，即父母学历，父母是否从事教育相关职业这些因素为干扰因素，即使是都读研的两个人，

父母的背景差异也会干扰到年收入情况。

正是基于此原因，因而使用PSM进行数据匹配，以期望父母背景尽可能一致的两个人前提

下，分析是否读研时的年收入差异。

本次研究数据类似如下：‘父亲是否从事教育’和‘母亲是否从事教育’时，数字1表示从事教

育相关行业，数字0表示没有从事教育相关行业。‘父亲学历’和‘母亲学历’上，数字1表示‘本科’，

数字2表示‘硕士及以上’。是否读研上，数字1表示‘读过研究生’，数字0表示‘没有读研究生’。

SPSSAU-在线SPSS分析软件

。

2理论

接下来阐述下PSM的算法原理，想要进行PSM，其算法步骤共分为3步如下：

✓第1步：进行Logit模型构建（得到Pscore）。

将研究因素比如‘是否读研’作为因变量，将其它因素(干扰因素，即不关注的因素但可能会有

干扰的因素，比如父母学历，父母是否从事教育相关职业等)作为自变量X进行二元logit模型构

建，并且得到预测值即PScore值，PScore值代表了干扰