傾向評分匹配，簡稱PSM，是一種利用非實驗數(shù)據(jù)或觀察數(shù)據(jù)分析干預效果的統(tǒng)計方法。傾向得分匹配的理論框架是反事實推理模型“反事實推理模型”假設任何因果分析的研究對象都有兩種結果：觀察到的結果和未觀察到的

傾向評分匹配，簡稱PSM，是一種利用非實驗數(shù)據(jù)或觀察數(shù)據(jù)分析干預效果的統(tǒng)計方法。傾向得分匹配的理論框架是反事實推理模型“反事實推理模型”假設任何因果分析的研究對象都有兩種結果：觀察到的結果和未觀察到的結果。如果我們說“a是B的起因”，我們就用“事實陳述”。

傾向評分匹配方法適用于兩種情況。首先，在觀察研究中，對照組和實驗組之間可以直接比較的個體數(shù)量很少。在這種情況下，實驗組和對照組的交集很小。例如，治療組中10%的健康狀況最好的人與非治療組中10%的健康狀況最差的人相似。如果我們比較這兩個重疊的子集，我們會得出一個非常偏頗的結論。第二，由于測量個體特征的參數(shù)很多，因此很難從控制組中選取與實驗組在每個參數(shù)上相同或相似的子集進行比較。在一般的匹配方法中，我們只需要控制一個或兩個變量（如年齡、性別等），這樣就可以方便地從對照組中選擇一個特征相同的子集與實驗組進行比較。但在一定的情況下，衡量個體特征的變量很多，因此很難選擇一個理想的子集。通常情況下，有些變量是受控的，但其他變量之間的差異太大，無法將實驗組與對照組進行比較。

傾向評分匹配通過使用邏輯回歸模型確定。