【摘要】在因果推断中，为更好地从观测性研究数据中获得无偏的处理效应，经常使用基于倾向得分的方法来平衡处理组和对照组。文章基于倾向得分逆概率加权方法，提出了一种子模型加权方法。该方法首先通过不同的变量组合来构建若干子模型；然后对子模型的倾向得分进行加权，进而得到加权倾向得分；最后使用加权倾向得分估计平均处理效应（ATE）值。实验结果表明：提出的子模型加权法不仅能调整观测性研究数据中存在的混杂偏倚，而且能有效提升ATE的估计效果，在ATE估计中优于传统的基于倾向得分的逆概率加权法。