这篇博客探讨了在非随机实验中如何通过PSM（倾向性得分匹配）来解决选择偏差问题，以准确评估实验效果。文章介绍了ATT和ATE的概念，强调找到平行时空的困难，以及如何通过配对方法近似实现随机试验。PSM的关键在于找到影响个体参与实验的变量，通过计算倾向性得分进行匹配，以消除样本选择偏差。作者还讨论了PSM与DID（差异-in-differences）方法的结合使用，以增强因果推断的可靠性。
一、背景
在评估实验效果时，在非随机性实验中，相关性不等于因果性，存在各种偏差。
-
例1：进行一项调查，调查内容是去不去医院是否会影响个人健康，因此向医院里的各类人员发放问卷并得出其健康状况，最后发现去医院不利于个人健康。
样本选择偏差：sample selection bias
-
例2：评估一项污染防治政策的政策效果，选择期初污染程度基本一致的地区作为样本，并根据各地区意愿决定其是否实施该项政策，3年后政策实施地的污染指标明显低于未实施该政策的地区，结论是这项政策有效。
自选择偏差：self-selection bias：各地区是否实施政策纳入了干扰项中，与解释变量相关，造成内生性
二、实验的ATT与ATE
ATT：average treatment effect on the treated
随机试验：找到接受实验个体的“平行时空”
现实中难以找到“平行时空”，只能计算接受实验个体和未接受实验个体的差值
ATE：average treatment effect
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
