PSM倾向得分匹配法在Stata中如何处理协变量不平衡问题？

Question

在使用PSM倾向得分匹配法进行因果推断时，常遇到的一个问题是协变量在处理组与对照组之间存在不平衡。那么，在Stata中如何利用PSM有效识别并处理这些协变量的不平衡？

Answer 1

一、PSM倾向得分匹配中的协变量不平衡问题概述

在因果推断中，倾向得分匹配（Propensity Score Matching, PSM）是一种广泛使用的非实验性方法，用于估计处理效应。其核心思想是通过构建一个倾向得分（即个体接受处理的概率），将处理组与对照组进行匹配，从而减少由于协变量不平衡带来的偏倚。

然而，在实际应用中，尤其是Stata等统计软件操作过程中，研究者常常遇到匹配后协变量仍然存在显著差异的问题，这直接影响到因果效应的准确性。

二、识别协变量不平衡的方法

1. 标准化均值差（Standardized Mean Difference, SMD）：计算每个协变量在处理组和对照组之间的均值差异，并除以标准差。SMD绝对值大于0.1通常认为存在不平衡。
2. t检验或卡方检验：对匹配前后的协变量进行统计检验，判断是否具有显著差异。
3. 可视化分析：使用直方图、密度图或QQ图对比匹配前后协变量分布。
4. 协变量平衡表（Balance Table）：Stata命令如 pstest 可以自动生成协变量平衡表，展示各变量在匹配前后的差异。

三、在Stata中实现PSM并评估协变量平衡

以下是Stata中实现PSM并检查协变量平衡的基本流程：

// 1. 设置数据为处理组
gen treatment = (group == 1)

// 2. 进行Logistic回归估计倾向得分
logit treatment age gender income education

// 3. 调用psmatch2进行最近邻匹配
psmatch2 treatment age gender income education, out(y) logit neighbor(1)

// 4. 检查协变量平衡情况
pstest age gender income education
  

四、处理协变量不平衡的策略

当发现某些协变量在匹配后仍不平衡时，可采取以下措施：

策略	描述	Stata实现建议
增加协变量数量	将更多潜在影响因素纳入模型，提高匹配精度	在logit模型中添加额外变量
调整匹配方法	尝试核匹配、半径匹配或最优匹配	使用 kernel 或 radius 选项
协变量加权	通过加权方式增强关键变量的影响	使用 weights() 参数
协变量筛选	移除无关或冗余变量，防止过拟合	逐步回归或LASSO选择重要变量

五、进阶技术：结合协变量平衡的正则化方法

近年来，结合机器学习与传统PSM的方法逐渐流行，例如：

• 使用LASSO Logistic Regression进行倾向得分建模，自动筛选重要协变量。
• 采用广义精确匹配（Exact Matching）结合PSM。
• 引入协变量平衡倾向得分（CBPS）方法，使倾向得分估计过程直接优化协变量平衡。

在Stata中，可通过外部包安装 cbps 命令实现该方法。

六、案例分析流程图（Mermaid格式）

graph TD
    A[数据准备] --> B[定义处理组]
    B --> C[估计倾向得分]
    C --> D[执行PSM匹配]
    D --> E[检查协变量平衡]
    E -- 平衡良好 --> F[估计处理效应]
    E -- 存在不平衡 --> G[调整模型/匹配方法]
    G --> C