倾向得分匹配法，英文全称为Propensity Score Matching，简称为“PSM”，简单来说这是一种使用非实验数据或者观测数据来进行干预效应分析的一类统计方法，其理论框架为“反事实推断模型”，多用于处理观察研究的数据。
反事实推断模型一般来说是假定任何因果分析的研究对象都会有两种条件下的结果，即观测到的与未被观测到的结果。
psm的步骤为：
1、计算倾向值，一般是采用logistic回归。
2、进行得分匹配，得分匹配一般是有几种方法的：
（1）最邻近匹配，英文全称为Nearest neighbor matching，简称NNM，也就是是否使用卡尺以倾向得分为依据，在控制组样本中向前或者向后寻找到最接近干预组样本得分的对象，并且形成配对。
（2）半径匹配，英文全称为Radius matching，这种方法是设定一个常数r，也可以理解为在区间或者范围内，通常设定为小于倾向得分标准差的四分之一，然后将实验组中得分值喝控制组得分值的差异在r内的进行配对。
（3）核匹配，英文全称为Kernel Matching，这个方法其实就是将干预组样本和由控制组所有样本计算出的一个估计效果进行配对，其中估计效果是由实验组个体得分值和控制组所有样本的得分值加权平均获得的，而权数是由核函数计算得出来的。
3、评定匹配后的平衡性
4、计算平均干预效果（ATT）
5、进行敏感性分析
