傾向得分匹配法的研究探索及應(yīng)用.pdf

1、在實(shí)際試驗(yàn)研究中，估計(jì)和評價某種處理效應(yīng)的作用情況，采用隨機(jī)對照試驗(yàn)（randomized controlled trial，RCT）無疑是最理想的。隨機(jī)對照試驗(yàn)是實(shí)際試驗(yàn)統(tǒng)計(jì)分析的基礎(chǔ)，但隨機(jī)對照試驗(yàn)的應(yīng)用也受到一些限制，如研究費(fèi)用成本高、實(shí)際操作比較困難以及不適用于周期很長的研究等這都限制了隨機(jī)對照試驗(yàn)的應(yīng)用。而非隨機(jī)化研究同樣存在一定局限性，如在于預(yù)后因素在組間分布的不均衡性以及各種偏倚的存在，會產(chǎn)生有偏的處理效應(yīng)估計(jì)。統(tǒng)計(jì)研究中

2、通常使用多元分析模型、分層法、匹配法等方法來控制選擇性偏倚。但這三種方法都不適用于混雜因素較多的情況。
　　傾向得分是非隨機(jī)化研究中控制偏倚的一種新方法。近年來，傾向得分方法以其研究步驟標(biāo)準(zhǔn)化程度高、易于理解等優(yōu)點(diǎn)而備受研究者的關(guān)注，并廣泛的應(yīng)用于各領(lǐng)域的非隨機(jī)化研究中。傾向得分的概念是由Rubin和Rosenbaum在1983年首次提出的，其概念是在給定一組協(xié)變量前提下，將任意一個研究對象分配到處理組或者對照組的條件概率。傾向得

3、分法的優(yōu)點(diǎn)是可以將多個協(xié)變量共同作用的結(jié)果表示出來，傾向得分達(dá)到控制選擇性偏倚的目的是通過調(diào)整處理組和對照組之間的協(xié)變量均衡性來達(dá)到的。當(dāng)前，傾向得分法主要應(yīng)用于兩分組資料的研究，對于多分組資料領(lǐng)域還未普及，其原因是多分組資料的應(yīng)用中還有一些關(guān)鍵問題尚待解決，比如匹配法中卡鉗值的選擇問題、如何檢驗(yàn)靈敏度以及評價均衡性的方法等。
　　本文采用傾向得分匹配法運(yùn)用到種煙對農(nóng)民的收入影響的研究中，整理數(shù)據(jù)并根據(jù)數(shù)據(jù)類型選擇合適的模型及納入

4、的協(xié)變量后，計(jì)算出傾向得分，再進(jìn)一步研究。在研究中，我們采用Probit模型，首先通過逐步引進(jìn)農(nóng)戶家庭特征變量來估算傾向得分，檢查種植煙葉戶和非種煙戶傾向得分平衡性以及模型的值，選擇滿足平衡性要求且值最大的變量組合用于最終傾向得分估算。Probit模型估算的值在2007至2010年分別為0.047、0.062、0.052和0.054，變量的選擇滿足平衡性要求。Probit模型估算說明了個變量對于農(nóng)戶選擇種植煙草的影響。從具體的顯著性影響

5、看，在這4個調(diào)查年份中，農(nóng)戶家庭勞動力比重越小，種植煙葉的可能性越大；農(nóng)戶山地面積比重越大越可能選擇種植煙草；農(nóng)戶家庭人數(shù)越多，選擇種植煙草的可能性越大。
　　采用傾向得分匹配法評估種植煙葉對農(nóng)戶收入的效應(yīng)，分析發(fā)現(xiàn)，種植煙葉對農(nóng)戶收入的增加具有穩(wěn)健的正向效應(yīng)。利用傾向得分匹配法對農(nóng)戶種植煙葉的評估有別于利用描述性統(tǒng)計(jì)分析的結(jié)果。第一，兩種分析方法所考察的種植效應(yīng)遞減在趨勢上存在差別。從種煙戶和非種煙戶收入比較的描述性統(tǒng)計(jì)分析中我

6、們可以知道：種煙戶收入與非種煙戶收入的差異（倍數(shù)）在2007至2010年這4個考察年間呈現(xiàn)出的趨勢變化比較大（從1.16到1.44再到1.18，最后到1.29）；而利用傾向得分匹配法的分析則能看出種煙效應(yīng)總體呈現(xiàn)緩慢的遞增趨勢（從1.041到0.997，再到1.248，最后到1.387）。第二，傳統(tǒng)的描述性統(tǒng)計(jì)分析會高估種植煙葉對農(nóng)戶收入的效應(yīng)。在種植煙葉效應(yīng)評估方法上，本文采用不同的匹配算法評估種煙對農(nóng)戶收入的效應(yīng)。不同匹配算法所得的