PSM（未完）必须用固定效应回归，不能使用普通osl，不能通过这个方法调显著

安装：

findit psmatch2   找到一个链接就可以安装了

ssc install psmatch2

使用前提：

      主要特征必须是虚拟变量

步骤：

可以操控的：①近邻匹配是几比几 ②noreplacement 指不放回抽取，可以加上。

 psmatch2 ER（主要特征，必须是虚拟变量） 后面是其他影响因素（变量，不一定是控制变量，参考相关文献）  ，outcome(因变量)  n(1) logit

•       psmatch2 ER（主要特征，必须是虚拟变量） 后面是其他影响因素（变量，不一定是控制变量，参考相关文献）  ，outcome(因变量)  n(1) logit

其中n(1)是1比1的近邻匹配，也可以使用其他方法进行匹配，比如radius半径匹配，kernel核匹配。在n的括号里换成这两个就可以了。

• 匹配

一、倾向得分匹配的思路

1.引题

    主要是为了克服选择偏差。或者说反向因果的问题。比如，看学习视频能提高成绩吗？可能看视频的学生本来成绩就不错，本来就会提高成绩。

   在回归基础之上的克服办法：控制变量、工具变量外生事件法等等

  倾向得分匹配

2.思路

针对接受了处理的实验组，   

人为构造了一个对照组。

两组中除了是否接受处理的区别，其他因素都一样。

就可以排除其他因素的影响。进而说明实验组和对照组的区别是由处理行为导致的。

注意！！！处理行为 一般是一个虚拟变量

3.倾向得分是什么？

①使用Logit或者Probit方法计算求得， 个体选择或者不选择接受处理行为的概率

②对实验组的个体i，匹配与之有着相似倾向的对照组个体

4.鲁宾因果模型

看某个电影会使视力下降吗？   潜在结果（有两个,看或不看）；反事实结果（与实际相反的那个）

  处理：是否看某个电影     用D表示（=1看过；=0没看过）

Y1i ，个体i看了电影。Y0i，个体i没看电影。Y1i-Y0i 为个体处理效应

但是关注的是

①所有的个体的平均处理效应ATE为 E（Y1i-Y0i）

②处理组的平均处理效应E（Y1i-Y0i |D=1）   ATT

③对照组的平均处理效应E（Y1i-Y0i |D=0）   ATU

问题：无法同时观测到两个潜在结果，反事实结果是无法观察到的→用已有的样本进行替代。

选择特定的方法，寻找对照组样本

ATT里的T值，需要大于1.96说明结果显著，倾向得分匹配是有用的

检验

pstest  Size Lev ATO Growth Indep Board Top10 Balance2 ListAge Mshare

pstest  Size Lev ATO Growth Indep Board Top10 Balance2 ListAge Mshare（前面的变量都是控制的，不包括根据匹配的虚拟变量）,both graph

,both graph