方法选择 · 2026-07-11

PSM 还是工具变量 IV？选择偏差与内生性问题怎么区分

PSM 与工具变量 IV 怎么选？本文区分可观测混杂、共同支撑与不可观测内生性，说明 ChatSRS 当前 1:1 匹配、SMD、ATT 和探索性 2SLS/F 诊断的真实边界。

直接决策答案

如果主要担忧是处理组与控制组在已测量的处理前协变量上不平衡，并且存在良好共同支撑，PSM 可以作为设计与平衡工具。

如果核心解释变量受不可观测因素、反向因果或测量误差影响，并且你有一个与内生变量相关、对结构误差外生、满足排除限制且与结构方程设定相容的可信工具变量，IV 才可能对应问题。

PSM 不能处理未观测混杂；IV 也不能因为第一阶段 F 较大就自动有效。工具变量的排除限制主要依赖理论、制度和反事实论证，不能只靠数据检验。

一般线性 IV / 2SLS 首先关注相关性、外生性（或独立性）、排除限制和结构设定。单调性不是所有线性 IV 解释都必须单列的通用条件。只有在工具与处理是二元或离散、处理效应可能异质，并且研究要把系数解释为 compliers 的局部平均处理效应 LATE 时，才需要进一步讨论“工具不会让任何个体朝相反处理方向变化”的单调性。此时 LATE 只对应服从工具推动而改变处理状态的人群，不等于全体 ATE。

问题类型对照

问题	PSM	IV
主要针对	可观测协变量不平衡	内生解释变量
关键数据条件	丰富处理前协变量、共同支撑	有理论可信且相关的工具 Z
核心假设	条件可忽略性、共同支撑	相关性、外生性/独立性、排除限制与结构设定
典型诊断	匹配前后 SMD、保留率、得分分布	第一阶段、弱工具、外生性论证
估计对象	当前输出为匹配处理组 ATT	由结构模型与变量类型决定；二元/离散 IV 且效应异质时可讨论 compliers/LATE
不能解决	未测量混杂	无效工具、直接作用路径

若两类问题同时存在，可以组合设计或做多路径敏感性分析，但不能把 PSM 和 IV 当作可互换的“稳健性按钮”。

还应先画出处理发生时间与变量因果顺序：处理前协变量才适合进入 PSM；工具变量必须先于内生暴露并且不能受结局反向影响。时间顺序含糊时，两种方法的核心假设都难以成立。

ChatSRS 当前 PSM 的真实范围

psm 分析器使用 Logit 计算倾向得分，标准化协变量后做 1:1 最近邻匹配，卡尺为倾向得分标准差的 0.2 倍，且不放回。直出：

匹配设置、匹配前后样本数与处理组保留率；
每个协变量匹配前后 SMD、改善率与是否低于 0.1；
指定结局时，匹配对的 ATT、SE、配对 t、精确 p 和正态近似 95% CI；
可选详细模式下的倾向得分模型、共同支撑、完整平衡表和质量汇总。

**PSM 边界：**当前只支持这一路径，不代表所有匹配算法；结局推断没有计入倾向得分估计和匹配设计的不确定性。匹配平衡只覆盖已输入协变量，SMD 良好不证明不可观测混杂被消除，也不能把匹配后的相关自动写成因果。

ChatSRS 当前 IV 的真实范围

iv_regression 分析器直出 OLS 与手工两阶段结果对比：内生变量和控制变量的系数、显著性星号、括号内 t 值、N、OLS R²，以及每个内生变量第一阶段模型的 F 统计量和“强/弱风险”提示。

**IV 边界：**当前第一阶段 F 是所拟合第一阶段模型的整体 F，不应当作排除工具的专门弱工具检验；单一阈值 10 只是粗略提示。当前第二阶段是用预测内生变量再做 OLS，直出的 t 值没有实现标准 2SLS 方差修正，也没有稳健/聚类 SE、置信区间、内生性检验或过度识别检验。它适合探索性对比，严格 IV 推断需用经验证的 2SLS 实现另行完成。

可复核输入示例

PSM：

treatment 是 0/1 处理变量，outcome 是结局，age、baseline、region_score 是处理前协变量。请按当前 Logit、1:1 最近邻、不放回、0.2×倾向得分 SD 卡尺做 PSM，报告保留率、共同支撑、匹配前后 SMD 和 ATT；明确只能平衡可观测协变量，ATT 推断未计入倾向得分估计不确定性。

IV：

outcome 是 Y，exposure 是内生变量，instrument_z 是工具变量，控制 baseline 和 region。请输出 OLS 与当前两阶段系数/星号/t 值、N 和第一阶段整体 F；明确 F 不验证排除限制，当前 t 值不是经标准 2SLS 方差修正的严格推断。

工具变量不能为了获得显著结果临时寻找。必须先画出 Z→X→Y 与潜在直接路径，说明为什么 Z 不通过其他渠道影响 Y。

若 Z 与 X 都是连续变量，正文应围绕结构系数、第一阶段关系与工具外生性展开，不应机械套用“compliers”措辞。若 Z 是资格、鼓励或随机分配的离散工具，X 是是否实际接受处理，并且效应异质，则应明确 LATE 的目标人群、单调性依据与不遵从类型。两种解释不能在同一段落中无条件互换。

输出结果怎么解释

PSM 的首要结果不是 ATT 的 p 值，而是共同支撑与匹配后平衡。如果大量处理组样本未匹配，ATT 的目标人群已经改变，应报告保留率。若任何关键协变量匹配后 SMD 仍较大，先修正设计，而不是直接解释 ATT。

IV 的首要任务也不是比较 OLS 与 2SLS 谁显著。系数变化可能来自内生性修正，也可能来自弱工具、样本变动或估计不稳定。当前第一阶段整体 F 只能作探索提示，排除限制无法从该数字推出。

论文报告模板

[PSM]
基于处理前协变量 [列表] 估计 Logit 倾向得分，并采用 1:1
最近邻、不放回匹配，卡尺为 0.2×倾向得分 SD。处理组保留率为
[ ]，匹配后最大绝对 SMD 为 [ ]。匹配样本 ATT=[ ]，
SE=[ ]，p=[ ]。该估计依赖条件可忽略性，仅控制已测协变量；
推断未计入倾向得分估计不确定性。

[IV]
以 [Z] 作为 [X] 的工具，控制 [变量]。第一阶段整体 F=[ ]，
仅作相关性与弱工具风险的探索提示。当前两阶段系数为 [ ]，
括号内 t=[ ]，但其方差未按标准 2SLS 修正。正式论文中的
IV 推断与排除限制论证另行完成并核验。

常见问题 FAQ

Q1：PSM 后所有 SMD<0.1 就能说没有选择偏差吗？

只能说明输入的可观测协变量达到设定平衡标准，不能覆盖未测量因素。

Q2：第一阶段 F>10 就证明工具变量有效吗？

不能。它至多提示相关性与弱工具风险，不能验证排除限制和独立性；当前直出还是整体 F。

Q3：可以用处理后的变量做 PSM 协变量吗？

通常不应。倾向得分应基于处理前协变量，处理后的中介或结果相关变量会改变估计目标并引入偏差。

Q4：PSM 与 IV 结果方向一致就能证明因果吗？

不能。两者估计对象、样本和假设不同；一致性可以讨论，但不是识别假设成立的证明。

Q5：做一般连续变量 2SLS 时必须报告 compliers 和单调性吗？

不应机械报告。一般线性 IV 先论证相关性、外生性、排除限制和结构设定；只有二元/离散工具与处理、效应异质且采用 LATE 解释时，compliers 与单调性才是相应识别叙事的核心。