作者
摘要
我们表明，倾向得分匹配（PSM）是一种极为流行的因果推理数据预处理方法，它通常会实现与其预期目标相反的目标，从而增加不平衡、效率低下、模型依赖和偏见。PSM的弱点在于它试图近似一个完全随机的实验，而不是像其他匹配方法一样，一个更有效的完全阻塞随机实验。因此，PSM对通常很大一部分的不平衡是唯一盲的，可以通过使用其他匹配方法近似全阻塞来消除。此外，在数据平衡到足以近似完全随机化的情况下，无论是从开始还是在修剪一些观察值之后，PSM都近似于随机匹配，我们表明，这种随机匹配甚至会增加相对于原始数据的不平衡。尽管这些结果表明研究人员用其他可用的匹配方法之一取代了PSM，但倾向得分还有其他有效的用途。
建议引用
金、加里和尼尔森，理查德，2019年。"为什么倾向得分不应用于匹配,"政治分析剑桥大学出版社，第27卷（4），第435-454页，10月。手柄：RePEc:cup:polals:v:27:y:2019:i:04:p:435-454_00
更正
本网站上的所有材料均由各自的出版商和作者提供。您可以帮助纠正错误和遗漏。请求更正时，请提及此项目的句柄：RePEc：杯：极：v：27：y：2019：i：04：p：435-454_00。请参阅一般信息关于如何更正RePEc中的材料。
如果您编写了此项目，但尚未在RePEc注册，我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。
我们没有这个项目的参考书目。您可以使用来帮助添加它们这个表格.
如果你知道引用这一条的缺失条目，你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是该项目的注册作者，您可能还想查看您的RePEc作者服务个人资料，因为可能有一些引文等待确认。
有关本项目的技术问题，或更正作者、标题、摘要、书目或下载信息，请联系：Kirk Stebbing（以下电子邮件可用）。供应商的一般联系方式：https://www.cambridge.org/pan.
请注意，更正可能需要几周时间才能筛选出来各种RePEc服务。
