ch0ch21专题部分白底课件ch124倾向得分匹配stata操作

1、Ch12处理效应、倾向得分匹配 12.1 12.2处理效应倾向得分匹配【理论微课】【理论微课】依可测变量选择、依不可测变量选择 12.3 12.4 12.5 12.6倾向得分匹配法建模步骤倾向得分匹配【Stata案例操作】处理效应模型【Stata案例操作】模型设定检验、实证分析中如何操作【Stata案例操作】手把你Stata作与案例分析应用面板数据模型Ch12 处理效应、倾向得分匹配2调用数据 cdG:Stataex/*-指定默认路径*/ useG:Stataexch12.dta, clear /*-打开指定路径下的数据文件*/ browse summarize tabulate treate

2、d考虑是否进行有放回匹配等-*/*-浏览数据*/*-了解处理组与组样本占比，例如，手把你Stata作与案例分析应用面板数据模型Ch12 处理效应、倾向得分匹配3数据说明：ch12.dta 数据集来自Dehejia & Wahba（1999） realinc1978：结果变量（即研究对象），表示1978年实际收入。类似地，realinc1974，realinc1975分别表示1974和1975年的 实际收入。 unemp1974，unemp1975分别表示1974和1975年是否失业。 treated： 处理变量，是否参加就业培训。 age：；edu：教育年限； black：是否为；ma

3、rried：是否已婚； hisp_lati：是否为西班牙裔拉丁裔人。手把你Stata作与案例分析应用面板数据模型Ch12 处理效应、倾向得分匹配412.4倾向得分匹配【Stata案例操作】1.2.依可测变量选择是否出国留学依不可测变量选择是否出国留学手把你Stata作与案例分析应用面板数据模型Ch12 处理效应、倾向得分匹配51.依可测变量选择是否出国留学 （1）倾向得分匹配 （2）偏差校正的匹配估计手把你Stata作与案例分析应用面板数据模型Ch12 处理效应、倾向得分匹配6（1）倾向得分匹配 * ssc install psmatch2,replace /*-安装 psmatch2 命令包

4、*/ 接下来，以k 近邻匹配为例，一下选项，法、操作演示。在do文件中其他每手把你Stata作与案例分析应用面板数据模型Ch12处理效应、倾向得分匹配7 /*-1-1-匹配前，对数据进行随机排序*/ set seed 12345 gen neworder=runiform( ) sort neworder 缓解或避免，排序对匹配结果产生影响。手把你Stata作与案例分析应用面板数据模型Ch12 处理效应、倾向得分匹配8 /*1-2k近邻匹配*/ psmatch2 depvar indepvars if exp in range, outcome(varlist)pscore(varname)

5、neighbor(integer k>1) caliper(real)common trim(real) odds index logit ties warnings quietly ate -选项- depvar ：处理变量。 indepvars ：协变量。 outcome(varlist) ：结果变量。 pscore(varname) ：指定变量估计倾向得分，默认使用indepvars中的变量。 neighbor(integer k>1) ：进行k近邻匹配，默认k=1，即一对一匹配。手把你Stata作与案例分析应用面板数据模型Ch12 处理效应、倾向得分匹配9caliper(r

6、eal) ：设置卡尺epsilon，为正实数。common ：仅对共同取值范围内个体进行匹配，默认是对所有个体匹配。trim(real)：通过删除#%的实验组数据使得组得分密度最低，得到共同取值范围。odds ：使用机会比率（p/(1-p)）进行匹配，默认使用倾向得分匹配。index ：使用潜变量指标=xb，而非概率。logit ：用logit模型估计倾向得分，默认是probit。ties：所有倾向得分相同的并列个体，默认是按照当前数据排序选择一个个体。warnings ：用重复倾向得分值检验quietly ：不报告倾向得分估计过程。组（观测数据）。ate ：报告ATE、ATU、ATT，默认只

7、报告ATT。手把你Stata作与案例分析应用面板数据模型Ch12 处理效应、倾向得分匹配10 /*1-3pstest*/ pstest age edu black hisp_lati married realinc1974realinc1975unemp1974 unemp1975, both graph /*其中，both显示匹配前后数据平衡情况，默认仅显示匹配后平衡情况。 graph表示用图形的方式显示各变量匹配前后的平衡情况*/手把你Stata作与案例分析应用面板数据模型Ch12 处理效应、倾向得分匹配11 /*1-4psgraph*/ psgraph , bin(#) treated(

8、varname) support(varname) pscore(varname)graph_options -选项- bin(#) ：指定直方图的分组数，默认是bin(20)。 treated(varname) ：指定处理变量。 support(varname) ：共同取值范围示性变量。 pscore(varname) ：指定倾向得分。 * 注意：在 psmatch2 执行后，psgraph后可不带任何选项。 psgraph psgraph, bin(40)手把你Stata作与案例分析应用面板数据模型Ch12 处理效应、倾向得分匹配12倾向得分匹配 k 近邻匹配：寻找倾向得分最近的k个体不同

9、组的个体。 卡尺（半径）匹配：两个体的倾向得分绝对值小于某一个给定值（称为卡尺），选小于四分之一倾向得分标准差。 卡尺内最近邻匹配：在给定卡尺范围内寻找最近匹配。（常用） 核匹配（组个体较多时） 局部线性回归匹配 样条匹配手把你Stata作与案例分析应用面板数据模型Ch12 处理效应、倾向得分匹配131.依可测变量选择是否出国留学 （1）倾向得分匹配 （2）偏差校正的匹配估计手把你Stata作与案例分析应用面板数据模型Ch12 处理效应、倾向得分匹配14（2）偏差校正的匹配估计 * ssc install nnmatch, replace/*-安装 nnmatch 命令*/ /*偏差校正的匹配

10、估计*/ nnmatch depvar treatvar varlist_nnmatch if exp in range pw, tc(ate |att |atc) m(#) metric(maha |matname)exact(varlist_ex)biasadj(bias |varlist_adj) robust(#_v)population level(#)keep(filename) replace手把你Stata作与案例分析应用面板数据模型Ch12 处理效应、倾向得分匹配15 -选项- depvar ：结果变量。 treatvar ：处理变量。 varlist_nnmatch ：匹配

11、变量。 tc(ate |att |atc) ：tc(ate)估计ATE、tc(att)估计ATT、tc(atc)估计ATU，默认估计ATE。 m(#) ：进行 # 近邻匹配，默认 # =1。 metric(maha |matname) ：metric(maha)使用马氏距离度量，权重矩阵为样本协方差矩阵的逆矩阵；metric(matname)是用户定义权重矩阵matname，其中，matname是一个已经指定的k维对称正半定矩阵， k是varlist_nnmatch中变量的个数。手把你Stata作与案例分析应用面板数据模型Ch12 处理效应、倾向得分匹配16 exact(varlist_ex)

12、 ：精确匹配。不能与varlist_nnmatch中的变量重叠。 biasadj(bias|varlist_adj)：biasadj(bias)根据原来的协变量进行偏差校正；默认不进行偏差校正。biasadj(varlist_adj)表示指定进行偏差校正的变量。 robust(#_v) ：计算异方差稳健标准误，#_v为正整数。m(#)中的#。#_v等于 population：估计总体平均处理效应；默认估计样本平均处理效应。两种情形的估计值相同，但标准误有所差异。 level(#) ：置信区间，默认level(95)。 keep(filename) ：创建临时数据库文件显示相关。 replace

13、：如果选项keep(filename)被使用，且filename.dta文件已，则替代它。手把你Stata作与案例分析应用面板数据模型Ch12 处理效应、倾向得分匹配1712.4倾向得分匹配【Stata案例操作】1.2.依可测变量选择是否出国留学依不可测变量选择是否出国留学手把你Stata作与案例分析应用面板数据模型Ch12 处理效应、倾向得分匹配182. 依不可测变量选择是否出国留学 如果对是否出国留学的选择，依赖某些不可测变量， 则前文所述的依可测变量选择不再适用。手把你Stata作与案例分析应用面板数据模型Ch12 处理效应、倾向得分匹配19差分倾向得分匹配 命令与 diff 相同，只是

14、要选上倾向得分匹配对应的选项。 具体格式，可参见， Ch11-4、三重差分法【Stata案例操作】手把你Stata作与案例分析应用面板数据模型Ch12 处理效应、倾向得分匹配20调用数据 cdG:Stataex/*-指定默认路径*/ useG:Stataexch11.dta, clear /*-打开指定路径下的数据文件*/ browse * ssc install diff,/*-浏览数据*/replace /*-安装 diff 命令包-diff 在2017年8月进行了更新*/手把你Stata作与案例分析应用面板数据模型Ch12 处理效应、倾向得分匹配21数据说明：ch11.dta 数据集来自

15、 Card & Kruger（1994）。 fte：雇佣人数。 treated：处理变量，快餐店在新泽西州为1，在宾夕法尼亚州为0。 t：实验期虚拟变量，时间为1992.11为1，1992.2为0。 快餐品牌虚拟变量： bk，kfc，roys，Wendys手把你Stata作与案例分析应用面板数据模型Ch12 处理效应、倾向得分匹配22 /*-diff-差分法、倍差法、倍分法-含三重差分法*/ diff outcome_var if in weight , options outcome_var ：结果变量。 -模型要求选项- period(varname)：二元实验期变量（1:实验之后

16、；0:实验之前）。注意：如果数据里含周期频率（如每月、每季度、每年等），建议设定选项period(varname)。 treated(varname) ：二元处理变量（1：被处理；0：被、未被处理）。手把你Stata作与案例分析应用面板数据模型Ch12 处理效应、倾向得分匹配23 -选项- cov(varlist)：为模型设定前定处理协变量。当kernel被选用时，这些变量将用于去估计倾向得分。 kernel ：执行基于核的【差分倾向得分匹配，Ch12中某小节】。该选项将生成变量_weights和_ps，_weights：来自核倾向得分匹配的权重；_ps ：pscore(varname)没有提

17、供倾向得分告得分。且该选项要求使用id(varname)，除非重复横截面设置。 id(varname) ：kernel选项要求使用。 bw(#) ：提供核函数的窗宽，默认为0.06。 ktype(kernel)：指定核函数的类型。分别为epanechnikov(默认)，gaussian，biweight，uniform 和 tricube。手把你Stata作与案例分析应用面板数据模型Ch12 处理效应、倾向得分匹配24 rcs：表示核已设定（重复横截面），该选项不要求id(varname)，选项rcs严格要求cov(varlist)中的协变量不随时点变化。 qdid(qule)：执行分位数差分

18、估计，分位数从0.10.9，可以与kernel 和 cov选项联合使用，qdid选项不支持加权稳健标准误估计。 pscore(varname) ：提供倾向得分。 logit ：指定倾向得分采用logit模型估计，默认是probit模型。 support ：仅使用共同取值范围内的观测值进行匹配。 addcov(varlist)：除了用于估计倾向得分的协变量外，指定额外的协变量。在多频率数据的情形下，也可用于设定时点固定效应。 ddd(varname)：三重差分选项。treated(varname) 被视为第1类；ddd(varname)视为第2类。该选项不兼容kernel、test、qdid(qule)。手把你Stata作与案例分析应用面板数据模型Ch12 处理效应、倾向得分匹配25 -SE/Robust- cluster(varname) ：计算聚类标准误。 robust ：计算稳健标准误。 bs ：对参数和标准误采用bootstrap估计。 reps(int) ：在bs被选用时，指定重复次数，默认为50。 Balng test- test ：采用balng t检验（检验在基期时，协变量（可以检验结果变量）在组和实验组的均值是否有差异）。同时使用test和kernel选项，执行加权协变量的baln