NEW!连享会·推文专辑:Stata资源 | 数据处理 | Stata绘图 | Stata程序结果输出 | 回归分析 | 时间序列 | 面板数据 | 离散数据交乘调节 | DID | RDD | 因果推断 | SFA-TFP-DEA文本分析+爬虫 | 空间计量 | 学术论文 | 软件工具
连享会学习群-常见问题解答汇总:
? WD 主页:https://gitee.com/arlionn/WD
? 连享会主页:lianxh.cn
Stata 暑期班:9天直播
? 时间:2020.8.1-8.7
? 提示:初级班已经开班,不再接受报名
? 嘉宾:连玉君 (中山大学) | 江艇 (中国人民大学)
? 主页:https://gitee.com/arlionn/PX | ? 微信版「基础不牢,地动山摇……」
作者:占云 (华侨大学)
邮箱:953185016@qq.com
目录
1. PSM 简介
2. PSM 的分析过程
2.1 PSM 模型设定
2.2 PSM 的假设条件
2.3 PSM 一般步骤
3. PSM 的 Stata 实例
4. PSM 匹配样本的回归
参考文献
1. PSM 简介
在经济学中,我们通常希望评估某项公共政策实施后的效应,为此,我们构建 "处理组" 和 "控制组" 以评估「处理效应 (treatment effect)」。然而,我们的数据通常来自非随机的观察研究中,处理组和控制组的初始条件不完全相同,故存在「选择偏差 ( selection bias)」问题。「倾向得分匹配 (PSM)」法使用倾向得分函数将多维向量的信息压缩到一维,然后根据倾向得分进行匹配。这样可以在既定的可观测特征变量下,使得处理组个体和控制组个体尽可能相似,因而可以缓解处理效应的选择偏差问题。
2. PSM 的分析过程
2.1 PSM 模型设定
对于个体 ,根据是否进行某项处理可以分为两种结果:
- 表示个体 是否进行某项处理,即 1 表示处理,0表示未处理;
- 表示个体进行处理的结果;
- 表示个体未进行处理的结果。
在给定可观测特征变量 情况下,个体 进入处理组的条件概率为:
根据式 (1) 和 (2) 可得参与者的平均处理效应 (ATT) 为:
2.2 PSM 的假设条件
共同支撑假设 (Common Support Assumption)
对于 的任何可能取值,都有 $0
平行假设 (Balancing Assumption)
给定 ,则 独立于 。此假定意味着,对于给定的 ,处理是随机的,即在接受处理之前,处理组和控制组之间没有差异,处理组产生的效应完全来自处理。
2.3 PSM 一般步骤
选择协变量 :尽可能涵盖影响 与 的相关变量;
获取 PS 值:可以使用 probit 或 logit 模型估计;
检验平行假设是否满足:使得 在匹配后的处理组均值和控制组均值较接近,保证数据平衡;
根据 PS 值将处理组个体和控制组个体进行配对:匹配的方法有最近邻匹配、半径匹配、核匹配等;
根据匹配后样本计算 ATT 。
3. PSM 的 Stata 实例
PSM 可通过下载非官方命令 psmatch2
来实现:
*-安装命令
ssc install psmatch2, replace
首先,导入数据并对数据集进行描述,这里我们研究的处理变量为 first,结果变量为 piatm56,一共 3100 个观测值:
*-数据下载地址
*https://gitee.com/arlionn/data/blob/master/data01/nlsy.dta
*-数据描述
use nlsy.dta, clear
describe
Cont