python比赛评分计算_用Python完成PSM（倾向性匹配评分）算法详解

PSM是什么？什么时候会用到PSM？

PSM(Propensity Score Matching)倾向性评分匹配，是使用非实验数据或观测数据进行干预效应分析的一类统计方法。

为了研究某项措施或是某个行为对人群的影响(例如吸烟对健康的影响，读北大对收入的影响)，或者互联网中某项措施对于用户的影响，最直接有效的评估方法是我们从大量的样本中随机选择对照组(control group)和实验组(treated group)，保证这些用户在实验前的一致性(通过aa test)，然后进行AB test，之后来评估效果。

而在现实中，由于一些因素，并不能有效的开展上述实验，例如不能强迫可以上北大的人不上北大吧，以及组织实验者来吸烟吧。在这种情况下，我们期望能够引入一种方法来找到有效的对照组，以此来评估该项措施的效果。(具体PSM的假设原理和合理性在此不作过多的讨论)

结合Python将具体介绍PSM的实现方式(本文介绍的Python实现方式基于Python 3.X)

数据预处理

引用包import warnings

warnings.filterwarnings('ignore')

import pandas as pd

import numpy as np

%matplotlib inline

import os

from scipy import stats

import matplotlib.pyplot as plt

import patsy

import sys

from statsmodels.genmod.generalized_linear_model import GLM