课程详情

项目名称:倾向评分匹配(Propensity Score Matching)在公共政策研究中的应用

项目描述:倾向评分匹配(PSM)是目前在国际上最为流行的处理观察研究(Observational Study)数据和因果推论的统计学方法之一,常用于医学、公共卫生、经济学等领域。 2016年, PubMed检索显示1206篇文献采用了PSM进行统计学分析。而在2000年时,仅有1篇文献采用PSM进行统计学分析。可见,倾向评分匹配目前正像雨后春笋一样地发展和被广泛应用。

在观察研究中,由于种种原因,数据偏差(bias)和混杂变量(confounding variable)较多,倾向评分匹配的方法正是为了减少这些偏差和混杂变量的影响,以便对实验组和对照组进行更合理的比较。以公共卫生学方向的研究为例,假设研究问题是吸烟对于大众健康的影响,研究人员常常得到的数据是观察研究数据,而不是随机对照实验数据。因为吸烟者的行为和结果,以及不吸烟者的行为和结果,是很容易观察到的。但如果要进行随即对照实验,招收大量被试,然后随机分配到吸烟组和不吸烟组,这种实验设计不太容易实现,也并不符合科研伦理。这种情况下观察研究是最合适的研究方法。但是面对最容易获得的观察研究数据,如果不加调整,很容易获得错误的结论,比如拿吸烟组健康状况最好的一些人和不吸烟组健康状况最不好的一些人作对比,得出吸烟对于健康并无负面影响的结论。从统计学角度分析原因,这是因为观察研究并未采用随机分组的方法,无法基于大数定理的作用,在实验组和对照组之间削弱混杂变量的影响,很容易产生系统性的偏差。倾向评分匹配就是用来解决这个问题,消除组别之间的干扰因素。本项目旨在探索倾向评分匹配的方法论研究探索及在公共政策研究中的应用。

报名条件:

1.需要先修课程包括大学微积分,线性代数,和概率统计初步。

2.能够运用至少一门常用统计软件(例如SAS,R,STATA)进行简单的统计分析,例如t-test,linear regression.

3.上过线性回归,实验设计,计量经济学或因果推论(causal inference)的学生优先。

项目时间:2-3个月

项目方式:远程,skypemeeting。

报名方式:报名需提交简历,成绩单,有面试。

项目名额:2个名额。

方案特色

将由来自宾夕法尼亚大学的科研导师亲自指导学生学习这种国际上最前沿的统计学方法,并用指导学生用这种方法研究和探索其在公共政策领域中的应用。学生将会对常用的倾向得分匹配有清晰的理解,会比较各种统计方法的差异和优缺点,并能应用到具体的数据研究中,对结果进行客观准确的解释。

适合人群

统计学,经济学,数学,公共政策,公共卫生等