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(2) https://developer.aliyun.com/article/1247867?groupCode=taobaotech
匹配算法
当不使用propensityscore时，可以直接基于协变量进行匹配，直接计算两个样本协变量之间的（马氏距离(Mahalanobis Distance) - 知乎 (zhihu.com)），这种方式通常称为CVM（Coviate Matching）。
完成倾向分模型及预测后，每个样本会得到一个propensity score，此时便可以进行匹配步骤了：为每个被干预的样本匹配一个（或多个）虚拟的对照样本。
匹配的基础思路很简单，即找到一个距离最近的样本，实现的具体方法按照渐进的顺序阐述如下：
Nearest Neighbour Matching 最近邻匹配
这是最直接的一种方法，即：对干预组中的用户，选取对照组中在倾向分上相差最小的用户做匹配。
实现上，会有有放回和无放回两种实现方式：
1. 有放回（对照组样本可重复使用）：此时整体匹配质量上升，bias下降，当干预组与对照组倾向分分布差异较大时推荐应用。此时使用的对照组样本数会减少，导致variance上升；
2. 无放回：此时匹配结果与匹配顺序有关，顺序需要保证随机。
除了是否放回之外，还有一个可调整的地方在于对单个用户是否可匹配多个样本（over-sampling）：通过匹配最近的多个邻居降低了variance，提升了匹配的稳定性。但此时需要给每个邻居赋予权重（eg. 按距离衰减）。
Caliper and Radius Matching 有边界限制的半径匹配
当最近的邻居也相距很远的时候，NN匹配会存在低质匹配的风险。很自然的，我们想到可以限定样本间分数差值的上限，即Caliper。
1. Caliper Matching：匹配时引入倾向分差值的忍受度，高于忍受度的样本丢弃。理论上通过避免低质量匹配降低了bias，但在样本数量较少时也可能因为匹配过少而升高了variance；
2. Radius Matching：不止匹配caliper中的最近样本，使用caliper中的所有样本进行匹配。这种方法的优势在于，当有高质量匹配时使用了更多的样本、而当缺乏高质量匹配时则使用较少的样本。
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(4) https://developer.aliyun.com/article/1247863?groupCode=taobaotech
