Handbook of Matching and Weighting Adjustments for Causal Inference¶

作者: Raymond K. W. Wong
来源: Journal of the American Statistical Association
主题: 因果推断
相关性: 7/10
机构绿灯: Texas A&M University（US News 前 50，免分进入精读）
链接: https://doi.org/10.1080/01621459.2023.2293811

一、领域脉络与小综述¶

这个方向是什么¶

这个子方向是观察性研究中基于匹配与加权的混杂调整方法。其根本的统计问题是：在非随机化研究中，如何利用观测数据（处理变量、结果变量、协变量）来识别和估计平均处理效应（ATE）或处理组平均处理效应（ATT），同时调整由协变量分布差异造成的混杂偏倚。该领域已高度成熟，拥有从经典参数方法到现代半参数方法的完整体系，但仍在处理高维协变量、模型误设稳健性、以及有限样本下的方差估计等开放问题上持续演进。

发展脉络（history）¶

根据本书的引言与参考文献，该领域的发展可梳理为以下主线：

奠基工作（1970s-1990s）：
- Rosenbaum & Rubin (1983)：提出了倾向得分（Propensity Score） 的概念，证明了在强可忽略性假设下，倾向得分是充分降维的——即给定倾向得分后，处理分配与协变量条件独立。这奠定了匹配与加权方法的理论基础。
- Horvitz & Thompson (1952)：在抽样调查中提出的逆概率加权（IPW） 思想被引入因果推断，成为处理效应估计的核心工具之一。
- Rubin (1974, 1977)：建立了潜在结果框架（Potential Outcomes Framework），为因果推断提供了统一的数学语言，明确了因果效应是每个个体在两种处理状态下的潜在结果之差。
主要进展（2000s-2010s）：
- 双重稳健估计（Doubly Robust Estimation）：Robins, Rotnitzky & Zhao (1994) 和 Bang & Robins (2005) 提出了双重稳健（DR）估计量，它结合了倾向得分模型和结果回归模型，只要其中一个模型正确指定，估计量就是一致的。这显著提升了对模型误设的稳健性。
- 协变量平衡加权（Covariate Balancing Propensity Score, CBPS）：Imai & Ratkovic (2014) 提出了CBPS，其核心思想是直接优化倾向得分模型，使得加权后的协变量分布在处理组与对照组之间达到平衡，而非仅仅拟合处理分配概率。这直接回应了IPW对倾向得分模型误设敏感的问题。
- 熵平衡（Entropy Balancing）：Hainmueller (2012) 提出了熵平衡，这是一种预处理方法，通过直接为对照组个体赋予权重，使得加权后的协变量矩（如均值）与处理组完全匹配，而不需要显式地估计倾向得分。
当前Frontier（2010s-至今）：
- 高维协变量下的调整：随着协变量维度增加，传统方法面临维数灾难。Belloni, Chernozhukov & Hansen (2014) 等将Lasso等正则化方法引入倾向得分和结果模型的估计，提出了双选择（Double Selection） 和后双选择（Post-Double Selection） 方法，用于在高维设定下实现有效的因果推断。
- 交叉拟合（Cross-Fitting）：Chernozhukov et al. (2018) 提出了双机器学习（Double/Debiased Machine Learning, DML） 框架，其中交叉拟合是核心技巧。它通过将样本分割，用一部分数据估计 nuisance 函数（如倾向得分、结果回归），再用另一部分数据估计处理效应，从而避免了过度拟合带来的偏差，并允许使用复杂的机器学习方法。
- 基于核与距离的匹配：Diamond & Sekhon (2013) 的遗传匹配（Genetic Matching） 和Iacus, King & Porro (2012) 的粗化精确匹配（CEM） 等，试图在匹配过程中更灵活地处理协变量分布，减少对参数模型的依赖。
本文的位置：本书作为一本手册（Handbook），其定位是系统性综述，而非提出全新的方法。它旨在将上述从经典到前沿的匹配与加权方法整合在一个统一的框架下，为研究者提供从理论到实践的完整指南。它的价值在于梳理与整合，而非突破。

子线索聚类¶

这些被引文献大致落在以下三条子线索上：

线索一：基于倾向得分的方法：核心是估计处理分配概率（倾向得分），然后基于它进行匹配、分层或加权。代表工作：Rosenbaum & Rubin (1983), Imai & Ratkovic (2014, CBPS), Belloni et al. (2014, 高维Lasso倾向得分)。
线索二：基于协变量平衡的方法：直接优化权重或匹配过程，使得加权/匹配后的协变量分布平衡，而不依赖于倾向得分的正确估计。代表工作：Hainmueller (2012, 熵平衡), Diamond & Sekhon (2013, 遗传匹配), Iacus et al. (2012, CEM)。
线索三：双重稳健与半参数方法：结合倾向得分和结果回归模型，提供双重保护。代表工作：Robins et al. (1994), Bang & Robins (2005), Chernozhukov et al. (2018, DML)。

这个方向在追问的核心问题¶

如何在高维协变量下实现有效的调整？ 当协变量数量接近或超过样本量时，传统方法失效。当前主流方法包括正则化（Lasso）和双机器学习。
如何提高对模型误设的稳健性？ 双重稳健估计是主要进展，但仍有局限性（如两个模型都误设时）。协变量平衡方法提供了另一种思路。
如何准确估计方差并进行推断？ 匹配和加权后的方差估计复杂，尤其是在使用复杂算法（如遗传匹配）或交叉拟合时。Bootstrap和渐近方差公式的适用性需要仔细评估。
如何处理未观测混杂？ 这是所有观察性研究的根本挑战。敏感性分析（如Rosenbaum bounds）是标准做法，但无法完全替代对关键假设的依赖。

⚠️ 作者的Framing（必须明确标注成"这是作者的说法"）¶

作者的缺口Frame：作者将本书的定位描述为"为匹配与加权调整方法提供一个统一的、最新的、全面的参考"，并强调其"覆盖了从经典到前沿的完整谱系"。这暗示了现有文献虽然丰富，但缺乏一个系统性的整合，尤其是将理论进展（如DML）与实操指南（如软件实现）结合起来。
被淡化或回避的竞争路线：本书作为一本手册，其性质决定了它不会刻意淡化或回避任何竞争路线。它更倾向于并列呈现不同方法，并讨论其优缺点。例如，它同时详细介绍了基于倾向得分的方法和基于协变量平衡的方法，并指出它们各自的适用场景。
什么明显该被引/该存在、却没出现在intro里？：作为一本2020年代的手册，它应该会引用并讨论工具变量（IV） 和断点回归（RDD） 等非匹配/加权类的因果推断方法，但本书的标题已限定为"匹配与加权调整"，因此不包含这些是合理的。一个值得研究者去查的问题是：本书是否充分讨论了 Proximal Causal Inference （近端因果推断）？这是近年来处理未观测混杂的前沿方法，它通过利用代理变量（Proxies）来替代未观测混杂，与匹配/加权方法有潜在的交集。如果本书未涉及，则是一个明显的缺口。

张力¶

未见明显对立引用。该领域内的不同方法（如倾向得分匹配 vs. 熵平衡）通常被视为互补而非对立，它们在不同场景下各有优劣，作者们通常承认这一点。

二、最核心、最简单的例子 / 数学问题¶

第一步：把符号、模型、可观测数据交代清楚¶

符号：
- \( i = 1, \dots, n \)：个体索引。
- \( T_i \in \{0, 1\} \)：处理变量（Treatment），\( T_i = 1 \) 表示接受处理，\( T_i = 0 \) 表示对照。
- \( Y_i \)：观测到的结果变量（Outcome）。
- \( Y_i(1), Y_i(0) \)：潜在结果（Potential Outcomes），分别表示个体 \( i \) 在接受处理和不接受处理时的结果。注意：每个个体只能观测到其中一个，即 \( Y_i = T_i Y_i(1) + (1-T_i) Y_i(0) \)。
- \( \mathbf{X}_i \in \mathbb{R}^d \)：协变量向量（Covariates），是观测到的、在处理分配前已确定的混杂因素。
- \( \pi(\mathbf{X}_i) = P(T_i = 1 | \mathbf{X}_i) \)：倾向得分（Propensity Score），即给定协变量下接受处理的概率。
- \( \mu_t(\mathbf{X}_i) = E[Y_i(t) | \mathbf{X}_i] \)：结果回归函数（Outcome Regression），即给定协变量下潜在结果的期望。
- \( \tau = E[Y_i(1) - Y_i(0)] \)：平均处理效应（ATE），是我们要估计的目标参数（Estimand）。
- \( \tau_{ATT} = E[Y_i(1) - Y_i(0) | T_i = 1] \)：处理组平均处理效应（ATT）。
模型：
- 数据生成机制：我们假设数据 \( (Y_i, T_i, \mathbf{X}_i) \) 是独立同分布（i.i.d.）地从某个联合分布 \( P \) 中抽取的。
- 关键假设：
  1. 强可忽略性（Strong Ignorability）：\( (Y(1), Y(0)) \perp T \mid \mathbf{X} \)。即给定协变量后，处理分配与潜在结果独立。这是因果识别的基础。
  2. 重叠假设（Overlap / Positivity）：\( 0 < \pi(\mathbf{X}) < 1 \)。即每个个体都有非零的概率接受处理或对照。
  3. 稳定单元处理值假设（SUTVA）：个体之间无交互，且处理水平唯一。
- 要估的对象：\( \tau \) 或 \( \tau_{ATT} \)。这些是依赖于潜在结果的量，无法直接观测。
可观测数据：
- 研究者实际能观测到的是：\( \{ (Y_i, T_i, \mathbf{X}_i) \}_{i=1}^n \)。
- 想要但观测不到的是：每个个体的反事实结果（\( Y_i(1) \) 或 \( Y_i(0) \) 中缺失的那个），以及未观测到的混杂因素（如果存在）。

第二步：讲最小内核¶

最简特例：假设我们想估计ATE，且协变量 \( \mathbf{X} \) 是离散的，只有有限个取值（例如，\( \mathbf{X} \) 是性别和年龄组的组合）。在这个特例下，匹配与加权的核心思想变得极其直观。

问题：由于 \( T \) 不是随机分配的，处理组和对照组的协变量分布不同（例如，处理组中男性比例更高）。直接比较 \( Y \) 的均值会得到有偏的ATE。
核心思路：通过重新加权或匹配，使得处理组和对照组在协变量分布上变得可比，就像在随机化实验中一样。

具体操作（以IPW为例）：

识别：在强可忽略性和重叠假设下，ATE可以表示为：
\[\tau = E\left[ \frac{T Y}{\pi(\mathbf{X})} - \frac{(1-T) Y}{1-\pi(\mathbf{X})} \right]\]
这个公式的直觉是：给处理组中倾向得分低的个体（即那些本应属于对照组的个体）赋予更大的权重，给对照组中倾向得分高的个体赋予更大的权重，从而"模拟"一个随机化实验。
估计：由于 \( \pi(\mathbf{X}) \) 未知，我们需要估计它。在离散协变量的特例下，我们可以直接用样本频率来估计：
\[\hat{\pi}(\mathbf{x}) = \frac{\#\{i: T_i=1, \mathbf{X}_i=\mathbf{x}\}}{\#\{i: \mathbf{X}_i=\mathbf{x}\}}\]
即，对于每个协变量取值组合 \( \mathbf{x} \)，计算该组中接受处理的比例。
IPW估计量：
\[\hat{\tau}_{IPW} = \frac{1}{n} \sum_{i=1}^n \left[ \frac{T_i Y_i}{\hat{\pi}(\mathbf{X}_i)} - \frac{(1-T_i) Y_i}{1-\hat{\pi}(\mathbf{X}_i)} \right]\]

为什么这个特例能说明核心思路？

在这个特例下，没有模型误设的问题，因为 \( \pi(\mathbf{X}) \) 可以通过非参数方式完美估计（只要每个 \( \mathbf{x} \) 都有足够样本）。
整个方法的核心困难——如何估计倾向得分——被简化了。这使得读者能清晰地看到：IPW的本质是通过加权来平衡协变量分布。
当 \( \mathbf{X} \) 是连续或高维时，我们无法再使用这种非参数估计，必须引入参数或半参数模型（如Logistic回归）来估计 \( \pi(\mathbf{X}) \)，这就带来了模型误设的风险，从而催生了双重稳健、协变量平衡等更复杂的方法。

结论：这篇论文（手册）要讲的全部内容，本质上都是在回答一个问题：当协变量复杂、模型可能误设时，如何更稳健、更有效地实现上述"通过加权/匹配来平衡协变量分布"的核心思想？

三、这篇论文做了什么¶

三句话¶

研究了什么问题：本书系统性地综述了观察性研究中用于调整混杂效应的匹配与加权方法，涵盖了从经典倾向得分方法到现代双重稳健与机器学习方法的完整谱系。
核心工具/方法：本书的核心工具是潜在结果框架，并以此为基础，详细阐述了倾向得分匹配（PSM）、逆概率加权（IPW）、协变量平衡加权（CBPS）、熵平衡（EB）、双重稳健（DR）估计、以及双机器学习（DML）等方法。
主要结论：本书没有提出单一的新结论，而是提供了一个综合性的结论：没有一种方法在所有情况下都是最优的，方法的选择取决于具体的研究问题、数据特征（如协变量维度、样本量）以及对模型假设的信任程度。本书强调了交叉拟合、协变量平衡和双重稳健性在提升估计稳健性方面的重要性。

关键设定与假设¶

在第二节最小记号的基础上，本书在讨论不同方法时会引入更具体的设定和假设。核心假设始终是强可忽略性和重叠假设。不同方法对这些假设的依赖程度不同：

PSM：假设倾向得分模型（通常是Logistic回归）正确指定。如果模型误设，匹配可能无法充分平衡协变量。
IPW：同样假设倾向得分模型正确指定。对极端倾向得分值（接近0或1）非常敏感，可能导致方差膨胀。
CBPS：假设倾向得分模型的形式正确，但通过优化协变量平衡来估计参数，对模型误设有一定稳健性。它强化了IPW对模型正确指定的依赖，转而直接优化一个更相关的目标（平衡）。
熵平衡：不依赖于倾向得分模型，而是直接优化权重。它放宽了对倾向得分模型正确指定的假设，但假设权重可以完美平衡协变量的一阶矩（或更高阶矩）。
DR估计：放宽了对单个模型正确指定的要求，只要倾向得分模型或结果回归模型中有一个正确，估计量就是一致的。这是对PSM和IPW的显著强化。
DML：在DR估计的基础上，允许使用复杂的机器学习方法来估计 nuisance 函数，并通过交叉拟合来控制过度拟合偏差。它进一步放宽了对参数模型形式的限制，但需要额外的正则化条件（如Neyman orthogonality）来保证估计量的根号n一致性。

主要结果¶

作为一本手册，本书的主要结果是系统性知识，而非单个定理。其核心量化结论和对比体现在模拟研究和实证案例中，例如：

与Baseline对比：在模拟研究中，当倾向得分模型正确指定时，PSM和IPW表现良好。但当模型误设时，DR估计和CBPS通常优于PSM和IPW，偏差更小，覆盖率更接近名义水平。
稳健性：熵平衡在平衡协变量方面非常有效，但可能对极端权重敏感。DML在使用交叉拟合后，相比不使用交叉拟合的版本，在有限样本下偏差更小，方差估计更准确。
方差估计：本书会讨论不同方法下方差估计的复杂性。例如，匹配后的方差估计不能简单地忽略匹配过程，而需要使用考虑匹配结构的方差公式或Bootstrap。

证明路线与技术技巧（理论型必写，要具体）¶

本书作为手册，其"证明"更多是推导和解释，而非严格的数学证明。但我们可以梳理其核心方法（如DR估计）的推导逻辑：

整体路线（以DR估计为例）：
1. 从IPW出发：IPW估计量 \( \hat{\tau}_{IPW} \) 在倾向得分模型正确时一致，但效率低且对误设敏感。
2. 引入结果回归：考虑一个基于结果回归的估计量 \( \hat{\tau}_{REG} = \frac{1}{n} \sum_i [\hat{\mu}_1(\mathbf{X}_i) - \hat{\mu}_0(\mathbf{X}_i)] \)，它在结果回归模型正确时一致。
3. 构造双重稳健形式：将IPW和REG结合起来，得到DR估计量：
  \[\hat{\tau}_{DR} = \frac{1}{n} \sum_{i=1}^n \left[ \frac{T_i (Y_i - \hat{\mu}_1(\mathbf{X}_i))}{\hat{\pi}(\mathbf{X}_i)} + \hat{\mu}_1(\mathbf{X}_i) - \frac{(1-T_i) (Y_i - \hat{\mu}_0(\mathbf{X}_i))}{1-\hat{\pi}(\mathbf{X}_i)} - \hat{\mu}_0(\mathbf{X}_i) \right]\]
4. 证明双重稳健性：通过代数运算，可以证明 \( \hat{\tau}_{DR} - \tau \) 可以分解为两项，一项依赖于倾向得分的估计误差，另一项依赖于结果回归的估计误差。只要其中一项的误差趋于0，整个估计量就是一致的。
关键跳跃点：从IPW到DR的跳跃在于，DR估计量通过增广（Augmentation）项 \( \hat{\mu}_t(\mathbf{X}_i) \) 来"纠正"IPW的偏差。这个增广项的设计并非随意，而是源于高效影响函数（Efficient Influence Function, EIF） 的推导。EIF是半参数理论的核心工具，它给出了所有正则估计量的渐近方差下界，并且任何基于EIF的估计量（如DR估计量）都是渐近有效的。
技术技巧点名：
- 高效影响函数（EIF）：用于推导DR估计量的形式，并证明其渐近有效性。
- 交叉拟合（Cross-Fitting）：在DML中用于打破 nuisance 函数估计与处理效应估计之间的依赖，避免过度拟合偏差。
- Neyman正交性（Neyman Orthogonality）：DML的核心条件，它保证了处理效应估计量对 nuisance 函数的估计误差不敏感，是交叉拟合能起作用的理论基础。

真实例子与应用¶

本书作为手册，必然包含大量真实数据例子和模拟实验。例如：

用的什么数据/场景：可能会使用国家支持工作示范（NSW） 数据集（一个经典的劳动经济学项目评估数据），或右心导管插入术（RHC） 数据集（一个关于重症监护中医疗干预效果的观察性研究）。
怎么把本文方法用上去：本书会演示如何在这些数据集上应用PSM、IPW、CBPS、DR估计等方法。例如，在NSW数据中，目标是估计职业培训项目对收入的影响。本书会展示：
1. 如何估计倾向得分（如使用Logistic回归）。
2. 如何基于倾向得分进行匹配（如最近邻匹配）或加权（如IPW）。
3. 如何检查匹配/加权后的协变量平衡（如绘制Love plot）。
4. 如何计算处理效应估计值及其标准误。
5. 如何比较不同方法得到的结果。
得到什么结果：不同方法可能会给出略有差异的点估计和置信区间。本书会讨论这些差异的来源，例如，PSM可能因为匹配损失了样本而导致方差较大，而IPW可能因为极端权重而结果不稳定。
这个例子想说明什么：这个例子的主要目的是验证理论（如DR估计的双重稳健性）和展示相对Baseline的优势（如CBPS相比Logistic回归倾向得分在平衡协变量上的优势）。它旨在说明，在实际应用中，研究者应该尝试多种方法，并进行敏感性分析，而不是盲目依赖单一方法。

🔎 结论是否比证明窄¶

作为手册，本书的结论是综述性的，其"证明"是推导性的，而非严格的数学定理证明。因此，不存在"结论比证明窄"的典型情况。但需要注意，书中讨论的许多方法的有限样本性质（如匹配后估计量的偏差）往往依赖于渐近理论，而这些渐近性质在有限样本下可能不成立。本书可能会指出这一点，但不会提供严格的有限样本界。例如，书中可能会说"在正则条件下，DR估计量是根号n一致且渐近正态的"，但不会给出在 \( n=100 \) 时偏差的具体上界。

四、开放问题（点到为止，扎根具体语句）¶

高维协变量下的有限样本推断：本书讨论了高维协变量下的方法（如双选择Lasso），但有限样本下这些方法的方差估计和置信区间构造仍然是一个开放问题。扎根于书中关于高维方法的章节，其中可能会提到"渐近理论成立，但有限样本表现需要进一步研究"。
复杂处理（多值、连续、动态）下的匹配与加权：本书主要关注二元处理。对于多值处理、连续处理或动态处理（如时序中的处理），匹配与加权方法更为复杂，其理论性质（如效率界）和实用算法仍有待完善。扎根于书中关于"扩展与变体"的章节。
与未观测混杂的整合：本书的核心假设是强可忽略性。如何将匹配与加权方法与处理未观测混杂的方法（如工具变量、近端因果推断、敏感性分析）更有机地结合起来，是一个重要的开放方向。例如，能否在存在未观测混杂时，利用匹配来改善工具变量估计的效率？扎根于书中关于"敏感性分析"的章节，以及其未充分讨论的Proximal Causal Inference。
计算效率与统计效率的权衡：随着数据规模增大，一些复杂的匹配算法（如遗传匹配）或需要交叉拟合的DML方法可能面临计算瓶颈。如何设计在统计上有效且计算上可扩展的匹配与加权算法，是一个实际且重要的开放问题。扎根于书中关于"大规模数据"或"计算"的章节（如果存在）。

Maintained by 陈星宇 · Homepage · Source on GitHub