为什么预防效果数字无法被支付方接受
想象这样一个场景：一家企业为1000名员工推行了心血管健康管理项目，一年后，参与者的平均心血管风险评分下降了12%，而没有参与的员工只下降了3%。差异显著。
但当企业拿着这份数据去找保险公司谈费率优惠，精算师会问一个让人哑口无言的问题：你怎么证明这12%的改善是你的干预造成的，而不是因为参与项目的员工本来就更注重健康？
这个问题，就是选择偏倚。
选择偏倚：相关性证据的致命漏洞
主动参与健康管理项目的人，往往在参与之前就已经比不参与的人更健康。他们有更强的健康意识，更规律的生活习惯。换句话说，两组人在参与干预之前就已经不可比了。
核心问题：相关性可以告诉你"参与者比不参与者健康"，但无法告诉你"是因为参与才更健康"。支付方需要的是后者——因果证据。
PSM：跨越方法论鸿沟的工具
倾向评分匹配（PSM）的核心思路是：通过统计方法，在对照组中为每一个干预组成员找到一个"基线特征高度相似"的匹配对象。匹配之后，两组在可观测特征上高度可比，消除了可观测的选择偏倚。在这个匹配后的配对样本上计算出的效果差异，才具有因果解释力。
核心结论
相关性和因果性的区别，不是统计技术问题，而是支付体系能否接受证据的根本前提。没有因果证据，预防干预的商业价值无法被支付方正式认可。