当前位置： 首页 > news >正文

网站内链符号/企业网站源码

news 2025/7/2 9:27:55
网站内链符号,企业网站源码,大型电子商务网站建设成本,九江做网站的公司作者：丁海 (华中科技大学) Stata 连享会： 知乎 | 简书 | 码云 | CSDN连享会   最新专题   直播连享会-知乎推文列表Note: 助教招聘信息请进入「课程主页」查看。因果推断-内生性 专题 ⌚ 2020.11.12-15 主讲：王存同 (中央财经大学)&#xf…

46df7a23b517234c6e99400931007775.png
作者：丁海 (华中科技大学)
Stata 连享会： 知乎 | 简书 | 码云 | CSDN连享会   最新专题   直播

连享会-知乎推文列表

Note: 助教招聘信息请进入「课程主页」查看。

因果推断-内生性 专题 ⌚ 2020.11.12-15 主讲：王存同 (中央财经大学)；司继春(上海对外经贸大学) 课程主页：https://gitee.com/arlionn/YG | 微信版

http://qr32.cn/BlTL43 (二维码自动识别)

空间计量 专题 ⌚ 2020.12.10-13 主讲：杨海生 (中山大学)；范巧 (兰州大学) 课程主页：https://gitee.com/arlionn/SP | 微信版

https://gitee.com/arlionn/DSGE (二维码自动识别)

倾向得分匹配分析 (PSM) 已经在诸多领域得到了应用。虽然 PSM 不能完全解决内生性问题，但却能在很大程度上缓解自我选择问题导致的偏差。在前期文献中，Becker & Ichino (2002, Stata Journal, 2(4):358-377) 对 PSM 的分析过程进行了详细的介绍，Stata 中也有多个命令可以执行 PSM 分析，如 pscore, psmatch2, treatrew (Stata Journal, 14(3): 541-561), gpscore (SJ 8(3):354--373), kmatch

net describe st0328, from(http://www.stata-journal.com/software/sj14-1)

平衡性假设

在 PSM 匹配时，用treat变量对控制变量进行Logit回归，得到倾向得分值。倾向得分值最接近的控制组个体即为实验组的配对样本，通过这种方法可以最大程度减少实验组与控制组个体存在的系统性差异，从而减少估计偏误。在进行PSM匹配后的其他估计前比如PSM-DID 估计前，还需进行协变量的平衡性假设检验，即匹配后各变量在实验组和控制组之间是否变得平衡，也就是说实验组和控制组协变量的均值在匹配后是否具有显著差异。如果不存在显著差异，则支持进一步的模型估计。

在平衡性检验之前，我们先使用psmatch2命令进行PSM匹配，处理变量为train，协变量为age、educ、black，结果变量为re78，采用一对一近邻匹配，具体操作如下：

use ldw_exper.dta,clearpsmatch2 train age educ black, out(re78) logit ate neighbor(1) common caliper(.05) ties

PSM 匹配完成之后，我们需要检验匹配后的样本是否满足平衡性假设，即实验组与控制组的匹配协变量是否没有显著性差异，在这里可以使用pstest命令进行检验，具体如下：

pstest age educ black hisp married , t(train)

平衡性假设检验结果如下：

------------------------------------------------------------------------------|       Mean               |     t-test    |  V(T)/
Variable                | Treated Control    %bias |    t    p>|t| |  V(C)
------------------------+--------------------------+---------------+----------
age                     | 25.527   24.714     11.4 |   1.19  0.234 |  1.24
educ                    | 10.291   10.401     -6.0 |  -0.59  0.557 |  1.60*
black                   | .84066   .87363     -8.9 |  -0.90  0.370 |     .
hisp                    | .06044   .09066    -10.9 |  -1.09  0.277 |     .
married                 | .18681    .1522      9.2 |   0.88  0.380 |     .
------------------------------------------------------------------------------

根据t检验结果发现，以上5个协变量在实验组与控制组之间不存在显著性差异。

那么，在进行 PSM 分析之前，应当如何选择匹配协变量，使模型实现最佳的拟合效果呢？今天介绍的 psestimate 命令可以通过比较不同模型的极大似然值，帮助我们选择能实现最佳拟合效果的协变量的一阶和二阶形式。

The psestimate command estimates the propensity score proposed by Imbens and Rubin (2015). The main purpose of the program is to select a linear or quadratic function of covariates to include in the estimation function of the propensity score.

连享会   最新专题   直播

1. 命令的安装与示例数据导入

在Stata命令窗口执行第一行代码即可完成对 psestimate 命令的下载，然后输入第二行命令下载网上示例数据 nswre74.dta（LaLonde, 1986），并执行第三行命令导入数据。

ssc install psestimate, replace //安装命令
net get psestimate  //下载命令附带的数据到当前工作路径下
use "psestimate.dta", replace

2. 命令的语法

该命令的语法如下：

psestimate depvar [indepvars] [if] [in] [, options]options：             totry(indepvars)     notry(varlist)       nolin               noquad              clinear(real)       cquadratic(real)    iterate(#)          genpscore(newvar)   genlor(newvar)

各个主要选项的含义如下： - depvar，必选项，填入处理变量（如 treat），即标记是否参与实验的虚拟变量 - indepvars，可选项，指定基准模型中的协变量 - totry(indepvars)，可选项，放入供选择的协变量列表，默认为全部 - notry(varlist)，可选项，指定不包括的协变量列表，默认为没有 - nolin，可选项，指定不进行一阶多项式的选择 - noquad，可选项，指定不进行二阶多项式的选择 - clinear(real)，可选项，指定一阶协变量似然比检验的门槛值，默认值为 1 - cquadratic(real)，可选项，指定二阶协变量似然比检验的门槛值，默认值是 2.71 - iterate(#)，可选项，指定在每个 logit 中执行循环的最大值，默认值是 16000 - genpscore(newvar)，可选项，由于指定程序自动生成的用于记录倾向得分值的新变量的名称 - genlor(newvar)，可选项，生成对数似然比的新变量的名称

3. 命令操作

3.1 命令基本操作

下面本文将基于 psestimate 命令的作者提供的数据集 nswre74.dta 来简要说明如何使用 psestimate 这一命令来选择能最好拟合处理变量 (treat) 的协变量的一阶及二阶形式。

在这里，我们事先选定教育变量 ed 作为基准模型中的一个协变量，意味着 Stata 自动将 ed 放入基准模型中。另外，我们将指定 age、black、hisp、nodeg 四个变量作为待选协变量。代码如下：

use "nswre74.dta", clear
psestimate treat ed, totry(age black hisp nodeg)

运行结果如下：

Selecting first order covariates... (10)
----+--- 1 ---+--- 2 ---+--- 3 ---+--- 4 ---+--- 5 
...s..s..
Selected first order covariates are: nodeg hisp
Selecting second order covariates... (21)
----+--- 1 ---+--- 2 ---+--- 3 ---+--- 4 ---+--- 5 
.....s.....
Selected second order covariates are: c.nodeg#c.ed
Final model is: ed nodeg hisp c.nodeg#c.ed

根据以上结果，可以确定在倾向得分匹配中，我们应该选取的一阶协变量为 nodeg、hisp，二阶协变量为 c.nodeg#c.ed。综上，根据 psestimate 命令的运算结果，我们应该选取 ed、nodeg、hisp、c.nodeg#c.ed 等四个变量作为倾向得分匹配的协变量。

3.2 提升运算速度

psestimate命令在运算中会耗费较长时间，而通常来说，该命令在选择协变量的一阶形式时要快于二阶形式的选择，因此，为了加快运算速度，我们可以首先通过加入noquad选项，只对协变量的一阶形式进行筛选，当一阶形式选定后，将其作为解释变量放入基准模型中，然后加入nolin 选项跳过一阶形式筛选步骤，只对协变量的二阶形式进行筛选。具体操作如下。

首先，加入入noquad选项，只筛选协变量的一阶形式，如下：

use "nswre74.dta", clear
psestimate treat ed, totry(age black hisp nodeg) noquad

一阶协变量的筛选结果如下：

Selecting first order covariates... (10)
----+--- 1 ---+--- 2 ---+--- 3 ---+--- 4 ---+--- 5 
...s..s..
Selected first order covariates are: nodeg hisp
Final model is: ed nodeg hisp

然后，将选定的ed、nodeg、hisp作为解释变量放入基准模型中，加入nolin选项值进行二阶形式的筛选，操作如下：。

psestimate treat ed nodeg hisp , totry(age black hisp nodeg) nolin

二阶协变量的筛选结果如下：

Selecting second order covariates... (21)
----+--- 1 ---+--- 2 ---+--- 3 ---+--- 4 ---+--- 5 
.....s.....
Selected second order covariates are: c.nodeg#c.ed
Final model is: ed nodeg hisp  c.nodeg#c.ed
连享会   最新专题   直播

4. psestimate 的核心思想

4.1 协变量一阶形式的选择

第一步，该程序首先在基准模型（logit treat ed）基础上通过循环分别加入 totry() 中指定的四个变量 age、black、hisp、nodeg，进行四次模型估计，如下所示：

logit treat ed age
logit treat ed black
logit treat ed hisp
logit treat ed nodeg

每次估计完成后，它将得到的新的极大似然值与基准模型比较，选择上述四个模型中对数极大似然值 (Log-Likelihood, 简称 LL 值) 最大的模型中的协变量放入基准模型中，除非上述四个模型的极大似然值都低于 clinear(real) 中指定的门槛值。若此处假设为 nodeg，则基准模型扩展为 logit treat ed nodeg, 然后第二步，它将估计如下模型：

logit treat ed nodeg age
logit treat ed nodeg black
logit treat ed nodeg hisp

这一步的协变量筛选原则与第一步相同。可以看出，当供选择的协变量数量为 $C$ 时，在确定协变量的一阶形式时，该程序理论上会估计 $∑C$ 个 Logit 模型。本例中有 4 个供选择的协变量，则需要估计 10 次（如下括号中所示），该命令选择的协变量一阶形式结果如下：

Selecting first order covariates... (10)
----+--- 1 ---+--- 2 ---+--- 3 ---+--- 4 ---+--- 5 
...s..s..
Selected first order covariates are: nodeg hisp

4.2 协变量二阶形式的选择

在协变量二阶形式的选择上，主要分为协变量平方项以及协变量间的交乘项。 如果在一阶形式中只选择了 a 这一个协变量，则二阶形式的选择只需要检验 a^2 这一变量。但是如果有 a、b 两个一阶协变量被选择，则二阶形式的选择需要检验 a^2、b^2、ab 三个二阶协变量形式。具体到本例，确定的一阶协变量有 ed、nodeg、hisp 三个，则需要检验的二阶协变量有六个，即 ed^2、nodeg^2、hisp^2、c.ed#c.nodeg、c.ed#c.hisp、c.nodeg#c.hisp，筛选过程与选择协变量一阶形式的方法一致。因此本例中共需估计 $∑6$ 即 21 次（如下括号中所示），结果如下所示：

Selecting second order covariates... (21)
----+--- 1 ---+--- 2 ---+--- 3 ---+--- 4 ---+--- 5 
.....s.....
Selected second order covariates are: c.nodeg#c.ed
Final model is: ed nodeg hisp c.nodeg#c.ed

4.3 流程图展示

如下流程图可以更加直观地展现psestimate筛选协变量一阶及二阶形式的过程，为简化分析，我们可供选择的协变量为a、b两个变量，假设各模型的对数极大似然值存在如下大小关系，LL1>LL2> clinear() >LL3,LL4>LL5>LL6> cquadratic() >LL7>LL8。

07192298a8aa43b9059330b834a83c0e.png

5. PSM估计的完整流程示例

5.1 psestimate 筛选匹配变量的一阶、二阶形式

第一步，使用psestimate筛选匹配变量

use "nswre74.dta", clear
psestimate treat ed, totry(age black hisp nodeg)

匹配变量选择如下：

Selecting first order covariates... (10)
----+--- 1 ---+--- 2 ---+--- 3 ---+--- 4 ---+--- 5 
...s..s..
Selected first order covariates are: nodeg hisp
Selecting second order covariates... (21)
----+--- 1 ---+--- 2 ---+--- 3 ---+--- 4 ---+--- 5 
.....s.....
Selected second order covariates are: c.nodeg#c.ed
Final model is: ed nodeg hisp c.nodeg#c.ed

最终选择的匹配变量为ed、nodeg、hisp、c.nodeg#c.ed

5.2 psmatch2 基于筛选出的匹配变量进行PSM匹配

基于上述匹配变量进行PSM匹配：

psmatch2 treat ed nodeg hisp c.nodeg#c.ed, logit ate neighbor(1) common caliper(.05) ties

结果如下：

Logistic regression                             Number of obs     =        445LR chi2(4)        =      17.03Prob > chi2       =     0.0019
Log likelihood = -293.58317                     Pseudo R2         =     0.0282------------------------------------------------------------------------------treat |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------ed |   .5093428   .3298117     1.54   0.123    -.1370762    1.155762nodeg |   6.506319   4.112404     1.58   0.114    -1.553845    14.56648hisp |  -.5954105   .3754841    -1.59   0.113    -1.331346    .1405248|
c.nodeg#c.ed |  -.6068825   .3375387    -1.80   0.072    -1.268446    .0546813|_cons |  -6.021438    4.05441    -1.49   0.138    -13.96794    1.925059
------------------------------------------------------------------------------

5.3 pstest 进行平衡性假设检验

pstest ed nodeg hisp c.nodeg#c.ed, t(treat)

结果如下：

------------------------------------------------------------------------------|       Mean               |     t-test    |  V(T)/
Variable                | Treated Control    %bias |    t    p>|t| |  V(C)
------------------------+--------------------------+---------------+----------
ed                      |  10.29   10.464     -9.6 |  -0.91  0.363 |  1.28
nodeg                   | .71585   .69399      5.3 |   0.46  0.648 |     .
hisp                    | .06011   .06011     -0.0 |  -0.00  1.000 |     .
c.nodeg#c.ed            | 6.7814    6.694      2.1 |   0.18  0.854 |  0.96
------------------------------------------------------------------------------

可以发现，匹配后实验组与控制组的匹配变量均没有显著差异，满足平衡性假设条件

5.4 psgraph 绘图直观呈现各匹配变量的平衡性状况

psgraph

结果如下：

d0cf3e0459bd5424e9f4e1662d35a5c7.png

图中也可以直观看出，实验组与控制组的倾向得分值分布大致平衡。

参考文献

  1. Dehejia, Rajeev H. and Sadek Wahba. 1999. "Causal Effects in Nonexperimental Studies". Journal of the American Statistical Association 94(448): 1053-1062.
  2. Imbens, Guido W. and Donald B. Rubin. 2015. Causal Inference in Statistics, Social, and Biomedical Sciences. New York: Cambridge University Press.
  3. Imbens, Guido W. 2015. “Matching Methods in Practice: Three Examples.” Journal of Human Resources 50 (2): 373–419. [PDF1]， [PDF2-wp]
  4. LaLonde, Robert J. 1986. “Evaluating the Econometric Evaluations of Training Programs with Experimental Data.” The American Economic Review 76 (4): 604–20. [PDF]

相关课程

连享会-直播课 上线了！http://lianxh.duanshu.com免费公开课：
  • 直击面板数据模型 - 连玉君，时长：1 小时 40 分钟
  • Stata 33 讲 - 连玉君, 每讲 15 分钟.
  • 部分直播课 课程资料下载 (PPT，dofiles 等)

bda2e7e0cb7f048ba4611de4d944d6e8.png
课程一览
支持回看，所有课程可以随时购买观看。连享会 - 文本分析与爬虫 - 专题视频
主讲嘉宾：司继春 || 游万海

f99774de6bcd3d997606d43a28222048.png
连享会 - 效率分析专题已上线：可随时购买学习+全套课件，课程主页 已经放置板书和 FAQs
主讲嘉宾：连玉君 | 鲁晓东 | 张宁课程主页，微信版 https://gitee.com/arlionn/TE

fe34563d4443af5caef7d807ad7c5f37.png
Note: 部分课程的资料，PPT 等可以前往 连享会-直播课 主页查看，下载。

2f0d57a8f33e6fd5f981544c6d6448cd.png
关于我们
  • Stata 连享会 由中山大学连玉君老师团队创办，定期分享实证分析经验。直播间 有很多视频课程，可以随时观看。
  • 连享会-主页 和 知乎专栏，300+ 推文，实证分析不再抓狂。
  • 公众号推文分类：计量专题 | 分类推文 | 资源工具。推文分成 内生性 | 空间计量 | 时序面板 | 结果输出 | 交乘调节 五类，主流方法介绍一目了然：DID, RDD, IV, GMM, FE, Probit 等。

73ff833666293962577bb2791dc0b478.png
连享会小程序：扫一扫，看推文，看视频……

5a0c22974623c1bdcd19f6970a8b4739.png
扫码加入连享会微信群，提问交流更方便

9cbe3edf3f18a9def6f15bbac57c5821.png
http://www.jmfq.cn/news/4988287.html

相关文章：

  • DW做网站入门步骤教学/聊石家庄seo
  • 安平县做网站的有哪些/北京建站公司
  • 制作论坛做网站/网址大全百度
  • 青岛模板做网站/天津网站策划
  • 怎么做网站可手机看/全国人大常委会
  • 美丽寮步网站建设价钱/创建网站步骤
  • 公众号建网站/好用的seo软件
  • 上海营销型网站建设公司/seo网络推广机构
  • 做网站需要前置审批/网站seo 优化
  • 淘宝现在不能发布网站建设/公司业务推广
  • 17网站一起做网店怎么下单/百度关键词搜索怎么弄
  • 重庆工厂网站建设/成都网络推广运营公司
  • 网站开发报价说明/站长工具友链检测
  • 网站正在建设中 公告/百度推广seo优化
  • 龙溪网站建设哪家便宜/营销广告文案
  • 官方网站建设 招标公告/成都网站维护
  • 洛阳网站建设行业/游戏推广代理平台
  • 网站搭建说明/西安网约车平台
  • 室内装修3d动态演示效果图/seo网站推广助理
  • 专业的网站建设企业/seo查询排名系统
  • 自己做民宿在什么网站上投放/游戏代理加盟平台
  • 源码网站下载/关键词优化价格表
  • dw做网站怎么排版/百度应用市场下载安装
  • 企业网站怎么做的更好/网页模板图片
  • 想自己做淘宝有什么网站吗/seo怎样优化网站
  • 网站策划案例/seo网站推广有哪些
  • 企业网站的建立不能缺少哪些细节/爱站网权重查询
  • 凡客诚品的商业模式/搜索引擎优化入门
  • 苏州做公司网站/找相似图片 识别
  • 做时时彩网站微信/推广方案流程