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