teffect psmatch结合前两篇文章在stata里画图和用psmatch2提取匹配好的数据的do file

3 篇文章 0 订阅
1 篇文章 0 订阅

use http://ssc.wisc.edu/sscc/pubs/files/psm, clear
teffects psmatch (y) (t x1 x2), gen(match1)
gen ob=_n
save psmdata, replace
keep if t //保留实验组
keep match1 //保留实验的match1
bysort match1: gen weight=_n //计算实验组匹配了多少次
by match1: keep if _n==1 //只保留n=1的实验组
ren match1 ob //重命名
merge 1:m ob using fulldata
replace weight=1 if t //
reg y x1 x2 t [fweight=weight]
pstest x1 x2, both row mweight(weight) t(t)
pscore t x1 x2, pscore(pscore) //评分
psgraph, t(t) pscore(pscore) //画图

在这里插入图片描述

  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
### 回答1: 抱歉,您的问题不太明确。请问您是指 Panel Smooth Transition Regression Model (PSM) 的 Stata 代码吗?如果是的话,可以参考以下示例代码: ``` // 导入数据 use "data.dta", clear // 设置变量名 pset id time y x1 x2 x3 // 运行 psm 命令 psm y x1 x2 x3, p(2) q(2) bw(10) nolog graph ``` 其中,`pset` 命令用于设置数据集中的变量名,`psm` 命令用于运行 PSM 模型,并设置相关参数。需要注意的是,PSM 模型需要进行一定的参数调整,具体参数设置需要根据数据情况和研究目的进行调整。 ### 回答2: Stata是一种流行的统计分析软件,广泛用于社会科学领域的数据分析。在使用Stata进行统计分析时,可以使用一些命令和语法来完成特定的任务,其中包括PSM(Propensity Score Matching,倾向评分匹配)的代码。 PSM是一种用于解决因果分析中自变量选择性偏倚的统计方法。其基本思想是通过估算每个个体的倾向得分(propensity score),将倾向得分相近的个体进行匹配,从而保证实验组与对照组之间的比较更加准确可靠。 在Stata中,使用PSM进行处理时,可以按照以下步骤进行: 1. 假设我们有一个包含多个自变量和一个二值因变量(例如0和1,代表对照组和实验组)的数据集,首先需要通过logistic回归估计倾向得分。可以使用以下命令实现: logistic dependent_variable independent_variables 2. 根据logistic回归结果,我们可以通过pscore命令计算每个个体的倾向得分。命令如下: pscore propensity_score 3. 通过匹配倾向得分相近的个体,可以使用以下命令进行匹配psmatch2 treatment_var, outcome_var,pscore(propensity_score) 其中,treatment_var代表二值的处理变量,outcome_var代表因变量,propensity_score则是之计算的倾向得分。 4. 通过上述命令得到了匹配的结果后,可以使用summary命令进行分析和结果展示: summarize matched_var 以上是使用Stata进行PSM的代码解释。使用这些代码,我们可以利用倾向得分匹配方法来进行因果分析,更准确地评估处理对因果效应的影响。 ### 回答3: PSM(Propensity Score Matching)是一种处理因果推断的统计方法,用于解决因果推断中的选择偏差问题。在进行PSM分析时,需要使用Stata代码来进行数据处理和匹配操作。 首先,我们需要导入数据集,包括被解释变量(因变量)和解释变量(自变量)等。使用Stata的"import"命令可以将数据导入Stata软件,并使用"generate"命令创建新的变量。 接下来,我们需要计算出倾向得分(propensity score),即观测单位与处理干预的关系概率。通常使用logistic回归模型来估计倾向得分。使用Stata的"logit"命令可以拟合logistic模型并估计倾向得分。 然后,我们可以使用倾向得分进行匹配。使用Stata的"pscore"命令可以计算出倾向得分,并使用"psmatch2"命令进行倾向得分匹配psmatch2命令可以根据倾向得分的大小,将处理组和对照组进行一对一的匹配。 在匹配完成后,我们可以进行一系列的检验和评估,以确定匹配结果的有效性。通常,使用Stata的"teffect"命令可以估计出处理效应,并使用"pweight"命令进行权重调整。 最后,我们可以使用Stata的"tabulate"、"summarize"、"graph"等命令进行结果的统计描述和可视化展示。 通过以上步骤,我们可以使用Stata代码进行PSM分析,并得出因果推断的结论。当然,在具体的研究中,还需要进行一系列的敏感性分析和健壮性检验,以增强研究结果的可信度和稳健性。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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