PSM匹配与IPTW加权：因果推断利器

可视化演示

展示自编码器的编码-解码架构，通过神经网络层间数据流动演示输入压缩与重建过程。

因果推断基础

还是那个办卡减重的故事。你抽查了店内数据：办卡会员一年平均减了3.2公斤，没办卡的人只减了1.1公斤——表面看办卡立了大功。但慢着，这些会员的平均年龄更轻、每周运动天数更多、外卖频率更低。如果把这些“背景差异”直接忽略，你等于在拿苹果和梨比甜度。

这些同时影响“是否办卡”和“减重效果”的变量，就是混杂因素。它们像躲在聚光灯后的提线木偶，同时牵动处理变量和结果变量，让相关关系与因果关系之间隔着一条鸿沟。因果推断要做的，就是在同一群人中构造“如果全体办了卡”与“如果全体没办卡”两个平行世界，并对比它们的平均结果。

数学上，这个目标写成平均因果效应（ATE）。对每个个体 i，$Y_i(1)$ 代表他办卡后的减重，$Y_i(0)$ 代表他不办卡时的减重。真实数据里每个人只能观测到一个结果，缺失的那个叫反事实。ATE 是全体个体潜在结果差值的期望。

所以，直接相减得到的 2.1 公斤只是“相关差异”；真正的因果效应要回答的是：如果让同一个人既体验办卡、又体验不办卡，他的减重差多少。PSM 和 IPTW 正是用观察数据逼近这个“平行世界”的两种办法。

倾向得分定义

想办一场公平的减重比赛，你得先知道每个选手“站队”的倾向。经验丰富的教练只要扫一眼学员的生活习惯，就能估出“这个人有八成可能会办卡”。这个“八成”，就是倾向得分的雏形。

统计学把“一个人办卡的概率”表达为协变量 $X$ 的函数。$X$ 可以是年龄、运动习惯、体脂率等一切可测的背景特征。倾向得分 $e(X)$ 是一个 0 到 1 之间的分数，它把高维的协变量压缩成一维，大大降低了后续匹配或加权的难度。

实际操作中，最常见的做法是用逻辑回归估计倾向得分：把处理指示变量 $T$（办卡=1）作为因变量，把 $X$ 作为自变量，拟合模型后得到每个个体的预测概率。协变量的选择直接决定倾向得分质量——遗漏重要混杂变量，会让后面的一切努力白费。

回到健身房，数据分析师阿哲用年龄、运动频率和外卖次数训练了一个逻辑回归模型，得到每个学员的办卡概率。这个概率就像“择偶标准相似度”，为下一步的配对（PSM）或投票权的再分配（IPTW）准备了标尺。

PSM匹配原理

匹配的思路很朴素：既然会员和非会员整体不太可比，那就“择偶式”配对——给每个办卡者找一个没办卡但“办卡概率几乎一样”的人。两人就像孪生兄弟，唯一差别是“有没有办卡”，于是减重差就可以归因于卡。

最常用的配对规则是最近邻匹配。从所有未办卡的人里，找倾向得分与当前办卡者最接近的那位；如果两人得分距离超过了预先设定的卡尺 $\varepsilon$，则放弃这次配对，宁可少配也不硬凑，避免“三观不合却强行结婚”。

匹配完成后，只保留成功配对的样本进行分析，计算处理组与对照组结果的平均差。PSM 得到的通常是 ATT（处理组平均处理效应），因为它是“从处理组的视角找对手”。匹配质量好不好，还要看匹配后两组协变量是否已无显著差异。

对小美的健身房来说，匹配后会员们都有了“影子替身”：年龄、运动习惯几乎一样，只差一张会员卡。此时看到的减重差距，就比原始差距干净了一大截。

IPTW加权原理

匹配像是在“换选手”，那加权则像是“改投票权重”。设想你要举办一场全网减重调查，但办卡者只占 30%，没办卡的人占 70%。如果直接算平均，结果会偏向多数派没办卡者的习惯。IPTW 的思路不是换人，而是给每个人重新发一张“代表票”。

具体来说，办卡者在真实世界里“稀有”，所以每个办卡者应该代表更多“像他一样倾向于办卡”的人；没办卡者同理。权重公式很直白：办卡者权重为 $1/e(X)$，没办卡者权重为 $1/(1-e(X))$。加权之后，两类人的协变量分布被调整为一致，仿佛每个人都同时出现在两个阵营。

IPTW 的优势是样本不丢失、实施简单，且能直接估计全体人群的 ATE。代价是它比 PSM 更依赖倾向得分估计的准确性——如果某个个体的 $e(X)$ 趋近于 1，权重会趋向无穷，一个小小的估计误差就会被放大成巨大噪声。

回到健身房，阿哲把全体学员重加权后，办卡者和未办卡者在年龄、运动习惯上变得“完全像一个模子刻出来的”。此时两组的平均减重差，就可以放心地解释为办卡的效果。

实操步骤对比

两种方法像同一道菜的两个做法：先都备好食材——处理协变量缺失、做异常值清洗；再用同一个配方——逻辑回归——算出倾向得分；接着在“选对手”和“改权重”的分叉口各走一边。

PSM 的完整链路是：估计倾向得分 → 检查分布重叠 → 执行最近邻/卡尺匹配 → 评估平衡性 → 计算 ATT。IPTW 的链路是：估计倾向得分 → 计算稳定化权重 → 检查权重是否有极端值 → 计算 ATE。两条链路的最后一步都落在“加权平均差”上，用样本均值去逼近反事实期望。

结果解读时要小心：匹配估计的是“处理组中的效果”，加权估计的是“全人群的效果”。如果不同人群的收益差异很大，两个数字可能明显不同——这不是 Bug，而是估计目标不同。IPTW 的 ATE 估计量可以写成：

小美听完阿哲的解释恍然大悟：同样一批数据，用 PSM 回答“对办了卡的人有多大用”，用 IPTW 回答“如果全员办卡，平均能多减多少”。两把手术刀切的是同一块蛋糕，但切的厚度不同。

方法选择准则

给谁做手术、用刀还是用剪，得看病人状况。PSM 匹配和 IPTW 加权没有绝对的优劣，关键是看数据条件和研究问题。

一个关键前提是重叠假设：每个个体的倾向得分都要严格在 0 和 1 之间，既不能“铁定办卡”，也不能“铁定不办卡”。如果某个群体的倾向得分几乎接近 0 或 1，说明找不到合适的“对照组”，此时做匹配会外推过度，做加权会权重爆炸。

一般经验是：数据量大、协变量多、倾向得分估计稳定时，IPTW 更高效；数据量有限、只想聚焦干预人群、需要直观解释时，PSM 匹配更合适。二者都需要样本具有足够的共同支持区域，且都依赖条件独立假设（没有未观测混杂）。

小美问：“那我应该用哪种？”阿哲说：如果目标是评估会员权益该不该涨价，就关心办卡人群，用 PSM；如果要评估“让所有注册用户都体验私教课”的效果，就关心全体人群，用 IPTW。目标决定选择。

稳健性检验

比赛结束还得看录像回放。无论用了 PSM 还是 IPTW，都要问三个问题：配对后的两组像不像？有没有隐藏的“黑哨”？结论是不是一个偶然？

第一个问题是平衡性检查：比较匹配后两组各协变量的均值差异，常用标准化均值差（ASMD）。一般认为 ASMD < 0.1 说明协变量在两个阵营的分布已足够均衡。第二个问题是敏感性分析：人为施加一个假想的未观测混杂，看效应估计会不会被推翻。第三个问题是安慰剂检验：把处理变量换成与结果无关的假处理，如果还出现显著效应，说明模型有漏洞。

这些检验共同保障因果结论的可信度。稳健性验证不是事后补救，而是在项目交付前必须执行的标准流程。只有经得起平衡性、敏感性、安慰剂三重检验的因果效应，才敢写进策略报告。

小美的减重报告顺利通过验收——匹配后 ASMD 全部小于 0.1，安慰剂检验不显著，加入假想混杂后结论依然成立。她终于可以自信地说：办卡确实帮人减了重，真实因果效应大约 1.2 公斤。

AI 应用场景

Python 演示

import numpy as npfrom sklearn.linear_model import LogisticRegressionfrom sklearn.neighbors import NearestNeighbors np.random.seed(42)n = 1000X = np.random.normal(size=(n, 2))ps_true = 1.0 / (1.0 + np.exp(-(0.5 * X[:, 0] - 0.3 * X[:, 1])))T = np.random.binomial(1, ps_true)Y = 2.0 * T + 0.8 * X[:, 0] - 0.6 * X[:, 1] + np.random.normal(size=n) # 第一步：估计倾向得分ps_model = LogisticRegression()ps_model.fit(X, T)ps = ps_model.predict_proba(X)[:, 1] # 第二步：PSM 最近邻匹配treated_idx = np.where(T == 1)[0]control_idx = np.where(T == 0)[0]nn = NearestNeighbors(n_neighbors=1)nn.fit(ps[control_idx].reshape(-1, 1))_, match = nn.kneighbors(ps[treated_idx].reshape(-1, 1))match = control_idx[match.flatten()]psm_ate = np.mean(Y[treated_idx] - Y[match]) # 第三步：IPTW 加权（使用稳定化权重）w = np.where(T == 1, np.mean(T) / ps, (1 - np.mean(T)) / (1 - ps))iptw_ate = np.mean(w * T * Y) / np.mean(w * T) - np.mean(w * (1 - T) * Y) / np.mean(w * (1 - T)) print("PSM 估计ATE: %.3f" % psm_ate)print("IPTW 估计ATE: %.3f" % iptw_ate)print("真实ATE: 2.000")

1. ps_model.fit(X, T)用逻辑回归拟合“办卡概率”，X 是背景特征，T 是是否办卡。
2. nearest neighbor = NearestNeighbors(n_neighbors=1)初始化最近邻查找器，为每个办卡者找 1 个最相似对照。
3. match = control_idx[match.flatten()]把最近邻的序号映射回原始对照组索引，得到每个办卡者的匹配对象。
4. psm_ate = np.mean(Y[treated_idx] - Y[match])计算匹配对的结果差均值，即 PSM 的 ATT 估计。
5. w = np.where(T == 1, np.mean(T) / ps, ...)构造 IPTW 稳定化权重：办卡者除以倾向得分，未办卡者除以 1 减倾向得分。
6. iptw_ate = np.mean(w * T * Y) / np.mean(w * T) - ...用归一化加权均值相减，得到全体人群的 ATE。

常见误区

面试题