因果推断——倾向性得分(PSM)-基于Stata操作分析

最新推荐文章于 2025-03-31 18:39:11 发布

2401_82909188

最新推荐文章于 2025-03-31 18:39:11 发布

阅读量1.5w

点赞数 11

文章标签： state-pattern

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/2401_82909188/article/details/138037150

版权

本文介绍了倾向性得分在研究中的重要性，包括其定义、影响因素的选择、匹配方法（精确匹配、近邻匹配等），以及在Stata中的具体操作。作者还展示了Probit模型和Logit模型在计算中的应用，以及如何通过PSM进行因果推断。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

倾向性得分主要操作及分析

计算倾向性得分(pscore)
根据倾向性得分进行处理组与控制组的匹配
实验组与匹配对象进行对比
求平均处理效应（ATE)、处理组平均处理效应(ATT)、控制组平均处理效应(ATU）
PSM匹配数据进行回归

一、倾向性得分定义

$P(x_{1},x_{2},...,x_{n})=Pr(D=1|x_{1},x_{2},...,x_{n})$

在已知协变量 $x_{1},x_{2},...,x_{n}$ 后，个体选择接受处理行为的概率

原理：

构造假想实验不需要所有维度一一匹配，倾向性得分这一个维度匹配即可

二、如何选择影响因素 $x_{1},x_{2},...,x_{n}$ ？

选择既影响个体选择接受处理行为概率，又影响特征值( $Y_{i}$ )

最低0.47元/天解锁文章

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。