《倾向值匹配法(PSM)ppt课件》由会员分享，可在线阅读，更多相关《倾向值匹配法(PSM)ppt课件（48页珍藏版）》请在金锄头文库上搜索。
1、.,倾向值匹配法（PSM）,.,Q：为什么要使用PSM？,A：解决样本选择偏误带来的内生性问题 例：上北大有助于提高收入吗？ 样本选择偏误：考上北大的孩子本身就很出色（聪明、有毅力、能力强） 解决方法：样本配对,.,配对方法,同行业（一维配对） 同行业、规模相当（二维配对） 同行业、规模相当、股权结构相当、（多维配对）？ PSM：把多个维度的信息浓缩成一个（降维：多维到一维）,.,配对过程中的两个核心问题（1）,Q1：哪个样本更好一些？,A1:Sample2较好：比较容易满足共同支撑假设（common support assumption）,.,配对过程中的两个核心问题（2）,Q2：stu c
2、1,c2,c3三人中，谁是stu PK的最佳配对对象？ A2：stu c3是最佳配对对象，比较容易满足平行假设（balancing assumption）,.,ATT（Average Treatment Effect on the Treated）平均处理效应的衡量,运用得分进行样本匹配并比较，估计出ATT值。 ATT=EY(1)-Y(0) |T=1 Y(1):Stu PK 上北大后的年薪 Y(0): Stu PK 假如不上北大的年薪,可观测数据,不可观测数据，采用配对者的收入来代替,ATT=12W-9W=3W,.,实例介绍,.,实例介绍,研究问题：培训对工资的效应 基本思想：分析接受培训行为
3、与不接受培训行为在工资表现上的差异。但是，现实可以观测到的是处理组接受培训的事实，而如果处理组没有接受培训会怎么样是不可观测的，这种状态称为反事实。匹配法就是为了解决这种不可观测的事实的方法。,.,实例介绍,分组：在倾向值匹配法中，根据处理指示变量将样本分为两个组。处理组，在本例中就是在NSW（国家支持工作示范项目）实施后接受培训的组；控制组，在本例中就是在NSW实施后不接受培训的组。 研究目的：通过对处理组和对照组的匹配，在其他条件完全相同的情况下，通过接受培训的组（处理组）与不接受培训的组（控制组）在工资表现上的差异来判断接受培训的行为与工资之间的因果关系。,.,变量定义,.,变量定义,.
4、,倾向打分,.,OLS回归结果,工资的变化到底是来自个体的异质性 性还是培训？,.,倾向打分,1.设定宏变量 (1)设定宏变量breps表示重复抽样200次 命令：global breps 200 (2)设定宏变量x，表示age agesq educ educsq married black hisp re74 re75 re74sq re75sq u74black 命令：global x age agesq educ educsq married black hisp re74 re75 re74sq re75sq u74black,.,倾向打分,2.通过logit模型进行倾向打分 命令：p
5、score treat $x,pscore(mypscore) blockid(myblock) comsup numblo(5) level(0.05) logit 注:$表示引用宏变量,.,pscore结果,.,倾向值分布,.,倾向值分布,.,block中样本的分布,.,block中的描述性统计,.,运用得分进行样本匹配并比较,.,方法一：最邻近方法（nearest neighbor matching）,含义：最邻近匹配法是最常用的一种匹配方法，它把控制组中找到的与处理组个体倾向得分差异最小的个体，作为自己的比较对象 。 优点：按处理个体找控制个体，所有处理个体都会配对成功，处理组的信息得
6、以充分使用。 缺点：由于不舍弃任何一个处理组，很可能有些配对组的倾向得分差距很大，也将其配对，导致配对质量不高，而处理效应ATT的结果中也会包含这一差距，使得ATT精确度下降。,.,方法一：最邻近方法（nearest neighbor matching）,命令 set seed 10101（产生随机数种子） attnd re78 treat $x,comsup boot reps($breps) dots logit,.,方法一：最邻近方法（nearest neighbor matching）,.,方法二：半径匹配法（radius matching）,半径匹配法是事先设定半径，找到所有设定半径
7、范围内的单位圆中的控制样本，半径取值为正。随着半径的降低，匹配的要求越来越严。,.,方法二：半径匹配法（radius matching）,命令 set seed 10101 attr re78 treat $x,comsup boot reps($breps) dots logit radius(0.001),.,方法二：半径匹配法（radius matching）,.,方法三：分层匹配法（stratification matching）,内容：分层匹配法是根据估计的倾向得分将全部样本分块，使得每块的平均倾向得分在处理组和控制组中相等。 优点：Cochrane ,Chambers（1965）指
8、出五个区就可以消除95%的与协变量相关的偏差。这个方法考虑到了样本的分层问题或聚类问题。就是假定：每一层内的个体样本具有相关性，而各层之间的样本不具有相关性。 缺点：如果在每个区内找不到对照个体，那么这类个体的信息，会丢弃不用。总体配对的数量减少。,.,方法三：分层匹配法（stratification matching）,命令 set seed 10101 atts re78 treat,pscore(mypscore) blockid(myblock) comsup boot reps($breps) dots,.,方法三：分层匹配法（stratification matching）,.,方
9、法四：核匹配法（kernel matching）,核匹配是构造一个虚拟对象来匹配处理组，构造的原则是对现有的控制变量做权重平均，权重的取值与处理组、控制组PS值差距呈反向相关关系。,.,方法四：核匹配法（kernel matching）,命令 set seed 10101 attk re78 treat $x,comsup boot reps($breps) dots logit,.,方法四：核匹配法（kernel matching）,.,psmatch2,.,匹配变量的筛选,1.设定宏变量 设定宏变量x，表示age agesq educ educsq married black hisp r
10、e74 re75 re74sq re75sq u74black 命令：global x age agesq educ educsq married black hisp re74 re75 re74sq re75sq u74black,.,匹配变量的筛选,2.初步设定 logit treat $x,.,匹配变量的筛选,3.逐步回归 stepwise,pr(0.1):logit treat $x,.,ps值的计算,psmatch2 treat $x,out(re78) 倾向得分的含义是，在给定X的情况下，样本处理的概率值。利用logit模型估计样本处理的概率值。概率表示如下： P(x)=PrD=
11、1|X=ED|X,.,匹配处理组,最近邻匹配 命令：psmatch2 treat $x（if soe=1）,out(re78) neighbor(2) ate 半径匹配 命令：psmatch2 treat $x,out(re78) ate radius caliper(0.01) 核匹配 命令：psmatch2 treat $x,out(re78) ate kernel,.,匹配处理组,满足两个假设：A共同支撑假设B平行假设,.,ATT（平均处理效应的衡量）,以半径匹配为例：psmatch2 treat $x,out(re78) ate radius caliper(0.01),1,2,3,1
12、、处理组平均效应（ATT） 2、控制组平均效应（ATU） 3、总体平均效应（ATE）,.,ATT（平均处理效应的衡量）,匹配前后变量的差异对比 命令：pstest re78 $x（pstest re78 $x,both graph）,.,匹配前后密度函数图,twoway (kdensity _ps if _treat=1, legend(label(1 Treat) (kdensity _ps if (_wei!=1&_wei!=.), legend(label(2 Control), xtitle(Pscore) title(After Matching),twoway (kdensity
13、_ps if _treat=1, legend(label(1 Treat) (kdensity _ps if _treat=0, legend(label(2 Control),xtitle(Pscore) title(Before Matching),.,运用bootstrap获得ATT标准误,命令：bootstrap,reps(#):psmatch2 treat $x,out( re78) 在统计分析中，样本较少，采用bootstrap，可以减少小样本偏误。 步骤：首先，从原始样本中可重复地随机抽取n个观察值，得到经验样本；然后采用PSM计算改经验样本的平均处理效果ATT；将第一步和第二
14、步重复进行#次，得出#个ATT值；计算#个ATT值的标准差。,.,核匹配的Bootstrap检验,.,爱是什么？一个精灵坐在碧绿的枝叶间沉思。风儿若有若无。一只鸟儿飞过来，停在枝上，望着远处将要成熟的稻田。精灵取出一束黄澄澄的稻谷问道：“你爱这稻谷吗？”“爱。”“为什么？”“它驱赶我的饥饿。”鸟儿啄完稻谷，轻轻梳理着光润的羽毛。“现在你爱这稻谷吗？”精灵又取出一束黄澄澄的稻谷。鸟儿抬头望着远处的一湾泉水回答：“现在我爱那一湾泉水，我有点渴了。”精灵摘下一片树叶，里面盛了一汪泉水。鸟儿喝完泉水，准备振翅飞去。“请再回答我一个问题，”精灵伸出指尖，鸟儿停在上面。“你要去做什么更重要的事吗？我这里又
15、稻谷也有泉水。”“我要去那片开着风信子的山谷，去看那朵风信子。”“为什么？它能驱赶你的饥饿？”“不能。”“它能滋润你的干渴？”“不能。”爱是什么？一个精灵坐在碧绿的枝叶间沉思。风儿若有若无。一只鸟儿飞过来，停在枝上，望着远处将要成熟的稻田。精灵取出一束黄澄澄的稻谷问道：“你爱这稻谷吗？”“爱。”“为什么？”“它驱赶我的饥饿。”鸟儿啄完稻谷，轻轻梳理着光润的羽毛。“现在你爱这稻谷吗？”精灵又取出一束黄澄澄的稻谷。鸟儿抬头望着远处的一湾泉水回答：“现在我爱那一湾泉水，我有点渴了。”精灵摘下一片树叶，里面盛了一汪泉水。鸟儿喝完泉水，准备振翅飞去。“请再回答我一个问题，”精灵伸出指尖，鸟儿停在上面。“
16、你要去做什么更重要的事吗？我这里又稻谷也有泉水。”“我要去那片开着风信子的山谷，去看那朵风信子。”“为什么？它能驱赶你的饥饿？”“不能。”“它能滋润你的干渴？”“不能。”,.,其实，世上最温暖的语言，“ 不是我爱你，而是在一起。” 所以懂得才是最美的相遇！只有彼此以诚相待，彼此尊重，相互包容，相互懂得，才能走的更远。 相遇是缘，相守是爱。缘是多么的妙不可言，而懂得又是多么的难能可贵。否则就会错过一时，错过一世！ 择一人深爱，陪一人到老。一路相扶相持，一路心手相牵，一路笑对风雨。在平凡的世界，不求爱的轰轰烈烈；不求誓言多么美丽；唯愿简单的相处，真心地付出，平淡地相守，才不负最美的人生；不负善良的自己。 人海茫茫，不求人人都能刻骨铭心，但求对人对己问心无愧，无怨无悔足矣。大千世界，与万千人中遇见，只是相识的开始，只有彼此真心付出，以心交心，以情换情，相知相惜，才能相伴美好的一生，一路同行。 然而，生活不仅是诗和远方，更要面对现实。如果曾经的拥有，不能天长地久，那么就要学会华丽地转身，学会忘记。忘记该忘记的人，忘记该忘记的事儿
