带你读《2022技术人的百宝黑皮书》——倾向得分匹配（PSM）的原理以及应用(7) https://developer.aliyun.com/article/1243252?groupCode=taobaotech
总结
在文章的最后，我们对PSM的整体流程进行一个梳理（可以看到真的不复杂），同时对PSM的优点与缺点进行简单的介绍。
完整流程
1. 选择同时影响treatment与outcome的特征，基于特征对treatment进行二分类建模，得到倾向分；
2. 在支撑集上，基于重要特征与倾向分进行匹配，为被干预用户找到匹配的样本；
3. 对匹配结果的质量进行检验，检验通过的话进入下一步，否则返回第二步进行匹配的优化；
4. 基于匹配的结果进行平行趋势验证，验证通过后通过双重差分法进行增量计算。
PSM的优缺点
优点
a.在无法进行随机试验的情况下，可构建虚拟的对照组并对增量进行可信的估算；
b.实现较为容易，实验组的样本能够充分的利用。
缺点
a.PSM最主要的一个缺点是——使用者永远无法保证所有的混淆变量都被包含在建模用的特征当中；
但可通过敏感性分析校验：如增减混淆变量后重复完成计算步骤观测结果是否一致，或通过纳入不确定性对估算增量的区间值
b.当支撑集（实验、对照组的倾向分交集）较小时，PSM+DID估计的局部样本的增量，可能无法代表整体。
整体来说，若不过分追求准确性，PSM+DID是一个对因果增量预估的较为靠谱的方式。当实现过程中存在卡点或假设无法满足时，除了优化模型还可以尝试看看逆概率加权和合成控制法等其他方法。
参考文献
1. Evaluating the performance of propensity score matching methods
2. Some Practical Guidance for the Implementation of Propensity Score Matching
团队介绍
大淘宝技术用户平台数据洞察团队，利用数据科学能力助力淘宝用户增长、提升用户价值，从用户视角洞察用户需求，实现用户与平台的双赢。
