傾向スコアマッチング
propensity score matching
gpt-4.icon
傾向スコアマッチング (PSM)は、観察データから因果推論を行うための手法で、特に処置群と対照群のバランスを取る際に使用されます。 これは、観察データでの交絡因子の影響を調整し、処置の純粋な効果を推定するための方法です。 傾向スコアとは、処置を受けるかどうかを予測するために、個々の対象に付与される確率値です。 この確率は、対象の特徴（年齢、性別、収入などの共変量）に基づいて推定されます。
PSMでは、処置群と対照群で類似した傾向スコアを持つ対象をマッチングさせ、比較を行うことで、処置の効果を推定します。
具体的な使い所としては以下のようなケースがあります
- 医療研究: 新薬の効果を既存の治療法と比較する際に、患者の年齢や既往歴などの影響を調整するために使用されます
- 教育政策の評価: 特定の教育プログラムの効果を評価する際に、プログラムに参加した学生と参加していない学生を比較するために利用されます
- マーケティング分析: 特定のプロモーションが購買行動に与える影響を評価するために、プロモーションを受けた顧客と受けなかった顧客を比較します
PSMの利点として、観察データにおいて実験デザインに近い条件を再現できる点が挙げられます。しかし、共変量の適切な選択や、十分な数のマッチング対象が存在することが結果の信頼性に大きく影響します。また、マッチング後のデータが完全に無作為化された実験データと同等であるわけではないため、残存するバイアスに注意が必要です。
類似