傾向評分匹配（PSM）是一種統計學方法，主要用於處理觀察性研究數據，以減少偏差和混雜變數的影響，使得實驗組和對照組之間的比較更加合理。它通過計算每個個體的傾向得分，然後根據這些得分在對照組中找到與處理組中某個個體相似的個體進行配對，以此來解決觀察研究中的選擇偏差問題。PSM在醫學、公共衛生、經濟學等領域有著廣泛的套用。
傾向得分匹配的基本原理是，首先利用logit回歸等統計方法計算每個個體進入處理組的條件機率，即傾向得分。這個得分綜合了所有協變數的信息，然後將傾向得分相近的處理組個體和控制組個體進行匹配。這樣可以在既定的可觀測特徵變數下，使得處理組個體和控制組個體儘可能相似，從而緩解處理效應的選擇偏差問題。
PSM的常用匹配方法包括最鄰近匹配、卡鉗匹配、全局最優匹配等。在套用PSM時，需要考慮匹配變數的選擇，通過單因素分析確定應進行匹配的變數。同時，PSM操作應結合多因素回歸分析，以確保結果的可靠性。此外，PSM對數據錄入的要求較高，不能有空項，如果自變數標為1和2或其他符號，一定要轉換為0和1。