PSM倾向得分匹配代码和案例数据

最新推荐文章于 2024-05-10 12:10:32 发布
最新推荐文章于 2024-05-10 12:10:32 发布
阅读量3.1k 收藏 2
点赞数 1
分类专栏： 数据 #stata代码 文章标签： 大数据 经验分享 PSM倾向得分匹配
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/m0_71334485/article/details/128489210
版权

PSM倾向得分匹配代码和案例数据

含义：倾向评分匹配（Propensity Score Matching，简称PSM）是一种统计学方法，用于处理观察研究（Observational Study）的数据。

在观察研究中，由于种种原因，数据偏差（bias）和混杂变量（confounding variable）较多，倾向评分匹配的方法正是为了减少这些偏差和混杂变量的影响，以便对实验组和对照组进行更合理的比较。

这种方法最早由Paul Rosenbaum和Donald Rubin在1983年提出，一般常用于医学、公共卫生、经济学等领域。

数据内容： 

包括进行一对一匹配、图示匹配结果、进行K近邻匹配、计算倾向得分、卡尺匹配等命令代码

部分代码：

***安装匹配命令
ssc install psmatch2
***调用案例数据
use ldw_exper.dta
***如果调用不出来案例数据
findit ldw_exper.dta
***进行一对一匹配
psmatch2 t age educ black hisp married nodegree re74 re75 u74 u75, out(re78) logit neighbor(1) common caliper(.05) ties

下载链接：

PSM倾向得分匹配代码和案例数据icon-default.png?t=MBR7https://download.csdn.net/download/m0_71334485/86761579

 

m0_71334485
关注
专栏目录
倾向匹配得分模型 PSM 及 Stata 具体操作步骤
a519573917的博客
08-16 4966
通过估计个体接受某种处理（例如参与某个项目、接受某种治疗等）的概率，即倾向得分，然后基于倾向得分对处理组和对照组进行匹配，以构建类似于随机实验的样本，从而使得处理组和对照组在可观测特征上具有可比性。然而，在实际应用中，需要谨慎选择协变量、匹配方法，并进行充分的稳健性检验，以确保分析结果的可靠性和有效性。此外，Hirano 和 Imbens（2001）对 PSM 的理论和应用进行了深入的探讨，进一步完善了该方法的理论框架。回归模型会输出各个协变量的系数，这些系数反映了协变量对个体接受处理的概率的影响程度。
倾向得分匹配PSM-DID案例+代码+绘图+解析
ky路上的博客
04-15 3512
倾向得分匹配（PSM-DID）PSM-DID，本质就是先利用PSM的手段进行分组。，再利用DID计算政策效应。因此，在进行PSM-DID分析时，先采用psmatc。h2进行匹配，然后再采用reg或者xtreg进行回归分析。注：只有基本psm-did1对1近邻匹配方法，不包括其他延。码+绘图+解析案例数据：dta文件，直接在stata打开。
倾向得分匹配法（PSM）举例及stata实现.rar
12-28
拿出一个实际案例以及其数据，接着针对该案例呈现了倾向得分匹配的过程和代码，以完成数据的分析。大家可以下载下来参考下
倾向得分匹配法PSM代码(包括近邻匹配、核匹配、半径匹配、马氏匹配、样条匹配)
最新发布
zxwk01的博客
05-10 2383
有两种条件下的结果：观测到的和未被观测到的结果。了减少这些偏差和混杂变量的影响，以便对实验组和对照组进行更合理的比较。众健康的影响，研究人员常常得到的数据是观察研究数据，而不是随机对照实验数据（Ra。和结果，以及不吸烟者的行为和结果，是很容易观察到的。收大量被试，然后随机分配到吸烟组和不吸烟组，这种实验设计不太容易实现，也并不符合。，如果不加调整，很容易获得错误的结论，比如拿吸烟组健康状况最好的一些人和不吸烟组。析原因，这是因为观察研究并未采用随机分组的方法，无法基于大数定理的作用，在实验组。
PSM倾向得分匹配
热门推荐
celine0227的博客
10-30 3万+
1. 简要介绍 我们以是否上大学() 对收入() 的影响为例来说明这个问题。这里，先讲二者的关系设定为如下线性模型： 显然，在模型 (1) 的设定中，我们可能忽略了一些同时影响「解释变量」——是否上大学() 和「被解释变量」——收入() 的因素，例如，家庭背景、能力、动机、个人兴趣等。这些因素被称为「共同因素 (Common Factors)」，因为他们同时影响被解释变量和解释变量，但又往往不可观测或无法获取数据。 从计量经济学的角度来讲，在模型设定中遗漏的「共同因素」都会「跑到...
经管数分|stata|广义倾向得分匹配代码分析
weixin_68126662的博客
02-20 2519
广义倾向得分匹配，高级计量计量经济应用
常用正则整理
橙-极纪元-cplvfx-JJY.Cheng
11-27 260
账号：必须6到12位的“数字”或“字母”或数字和字母组合 ^[a-z0-9]{6,16}$ 密码：必须6到12位 (.+){6,12}$ 中文验证 [\u4e00-\u9fa5] 验证15位身份证 ^(\d{1})\w{14}$ 验证18位身份证 ^(\d{1})\w{17}$ 简单的数字判断；5-20位数字 ^\d{5,20}$ 简单的手机号判断；1开头的11位手机号 ^((\+)?86|((\+)?86)?)?1\d{10}$ 以下内容摘录 ...
如何用stata做倾向性得分匹配(PSM)的命令以及详细步骤 案例解释.rar
05-26
案例文件"倾向得分匹配法(PSM)stata实例.pdf"和"使用teffect命令做倾向得分匹配（stata）.pdf"将提供详细的步骤和实际操作示例，帮助读者理解如何在实际研究中应用这些命令。而"倾向值匹配法(PSM)入门介绍.ppt"则...
掌握PSM倾向得分匹配：代码实践与案例解析
资源摘要信息:"PSM倾向得分匹配代码和案例数据" PSM（Propensity Score Matching，倾向得分匹配）是一种统计学上用于因果推断的匹配技术，主要用于观察性研究中平衡两组间的协变量分布，从而使得处理组和对照组在...
更新数据+代码PSM、DID、PSM-DID具体操作详解
04-09
倾向评分匹配（Propensity Score Matching，简称P SM）是一种统计学方法，用于处理观察研究（Observational Study ）的数据。在观察研究中，由于种种原因，数据偏差（bias）和混杂变量（confo unding variable）较多，倾向评分匹配的方法正是为了减少这些偏差和混 杂变量的影响，以便对实验组和对照组进行更合理的比较。这种方法最早由Paul Ro senbaum和Donald Rubin在1983年提出。一般常用于医学、公共卫 生、经济学等领域。 倾向评分匹配法适用于两类情形。 第一，在观察研究中，对照组与实验组中可直接比较的个体数量很少。在这种情 形下，实验组和对照组的交集很小，比如治疗组健康状况最好的10%人群与非治疗组健康 状况最差的10%人群是相似的，如果将这两个重合的子集进行比较，就会得出非常偏倚的 结论。 第二，由于衡量个体特征的参数很多，所以想从对照 组中选出一个跟实验组在各项参数上都相同或相近的子集作对比变得非常困难。在一般的匹 配方法中，我们只
请问stata中PSM逐期匹配代码如何写
weixin_42588555的博客
02-12 2564
在Stata中，你可以使用"propensity score matching" (PSM) 实现逐期匹配。下面是一个例子代码： // 假设你有一个名为data的数据集，其中的treatment变量代表治疗状态， // 并且你想要通过PSM找到控制组与实验组的匹配对： // 首先，你需要计算每个单位的估计propensity score： logit treatment x1 x2 x3 x4,...
PSM倾向得分匹配法【python实操篇】
weixin_42847656的博客
01-06 1万+
前言 大家好，我是顾先生，PSM倾向性得分匹配法的Python代码实操终于来啦！ ​ 对于PSM原理不太熟悉的同学可以看看前一篇文章：PSM倾向得分匹配法【上篇：理论篇】 目前网上PSM实操的相关文章都是R语言、SPSS和STATA实现的，少数Python版本代码不全，可读性有限（有些甚至要钱。。。） 所以我想出一版可读性强、能迅速复用的Python版本PSM，让各位同学既能看懂又能快速上手。 本次Python代码实操主要参考了psmatching的源码，并做了一定的修改，地址在文末参考资料。 这次我把每段
学习：PSM倾向得分匹配基于stata实现
王斯的博客
06-25 2725
PSM 通过统计学模型计算每个观测的每个协变量的综合倾向性得分，再按照倾向性得分是否接近进⾏匹配。用直白的话来讲就是：由于变量太多，如果坚持各个变量一一精确匹配，那估计匹配下来没几个样本能一一匹配得上了。那不如直接用倾向得分，根据影响是否接受培训的各个元素，将每个用户计算出一个是否接受培训得分，从而将多维向量的信息压缩到一维，最后根据倾向得分进行匹配。PSM倾向得分匹配法即通过对实验组样本建模，通过预测概率，为控制组每个用户拟合⼀个概率，每⼀个处理组样本在控制组找到⼀个和⾃⼰最接近的样本。
psm倾向得分匹配法举例_倾向得分匹配法(PSM)举例及stata实现
weixin_28893183的博客
12-30 1673
倾向得分匹配法(PSM)举例及stata实现偏好分数匹配法(PSM)和stata实施-阅读注释[示例]政策背景:国家支持的工作，新南威尔士州)研究目标:测试接受或不接受计划(培训)对工资的影响基本思想是分析培训组和非培训组之间的薪酬绩效差异。然而，在现实中可以观察到的事实是，治疗组接受了训练，没有治疗组的训练是不可能观察到的，这也变成了一个相反的事实。匹配法就是为了解决这个不可观察的事实在倾向分数...
Propensity Scores
MTandHJ的博客
05-08 479
文章目录基本的概念重要的结果X⊥Z∣b(X)X \perp Z | b(X)X⊥Z∣b(X)(r0,r1)⊥Z∣b(X)(r_0, r_1) \perp Z | b(X)(r0​,r1​)⊥Z∣b(X)*若:* (r0,r1)⊥Z∣X,0<P(Z=z∣X)<1, (r_0, r_1) \perp Z | X, \quad 0 < P(Z=z|X) < 1, (r0​,r1​)⊥Z∣X,0<P(Z=z∣X)<1, *且:* P(Z=z∣X=x)=P(Z=z∣X=x′)=p(
PSM总结
yike330的博客
06-16 3146
背景 在评估实验效果时，在非随机性实验中，相关性不等于因果性，存在各种偏差。 例1：进行一项调查，调查内容是去不去医院是否会影响个人健康，因此向医院里的各类人员发放问卷并得出其健康状况，最后发现去医院不利于个人健康。 样本选择偏差：sample selection bias 例2：评估一项污染防治政策的政策效果，选择期初污染程度基本一致的地区作为样本，并根据各地区意愿决定其是否实施该项政策，3年后政策实施地的污染指标明显低于未实施该政策的地区，结论是这项政策有效。 自选择偏差：self-select
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

m0_71334485

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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。

余额充值