倾向性评分法（PropensityScore）是一种用于观察性研究中减少混杂变量影响的统计方法。它由美国统计学家PaulRosenbaum和DonaldRubin在1983年提出，主要用于处理非随机化实验数据中的选择偏差问题。该方法的核心思想是通过计算每个个体接受某种处理（如药物治疗、政策干预等）的概率，即倾向性评分，来平衡处理组和对照组之间的协变量分布。倾向性评分通常通过逻辑回归等模型估计，然后可以用于匹配、分层、加权或协变量调整，以模拟随机化实验的效果。倾向性评分法的优势在于能够有效控制多个混杂变量的影响，尤其适用于协变量较多而样本量相对不足的情况。然而，它无法控制未被观测的混杂因素，且依赖于模型设定的正确性。该方法广泛应用于医学、经济学、社会学等领域的效果评估研究。