本站分享:大数据、数据分析师考试认证培训,包括:Python培训Excel培训Matlab培训SPSS培训SAS培训R语言培训Hadoop培训Amos培训Stata培训Eviews培训广告位

倾向得分匹配法(PSM)与双重差分(DID)

stata培训 cdadata 14347℃

倾向得分匹配法(PSM)与双重差分(DID)

关键词: 倾向得分匹配和did倾向得分匹配

本人最近在学习如何处理样本自选择带来的内生性问题,对PSM和DID是否要同时出现产生了一些困惑:既然倾向得分匹配法(PSM)能够算出平均处理效应(ATT),那用了PSM之后,还有必要用DID吗?还是说在计算平均处理效应时已经用了DID的思想?请解惑!谢谢!

我也在学习PSM方法,向1楼的朋友请教:我用Probit二元选择模型回归后,接下来PS值如何计算啊?
看了些文献,这一步都语焉不详(Probit二元选择模型回归与PS值的计算无法连接起来)。

精彩解答:

PSM本质上跟OLS回归差别不大,并没有解决真正的内生性问题。只是1) 在模型设定上有优势(回归OLS假定是线性模型),以及2) 样本之间有可比性(考虑了Common Support问题) 。
实际上你得到的ATT是在强假设条件下的ATT: 即在控制了所有能观察到的因素后,实验组和对照组之间不存在自选择性。显然,这等于说不存在遗漏变量问题了。

而DID是在假设条件满足(实验组与控制组的变化趋势相同)的条件下,通过差分的方法解决内生性问题。DID做好了就可以得到因果效应。而Matching的数据如果不是随机实验的数据则很难得到因果效应。

DID-Matching是结合了上述两种方法的优势,更值得使用。

个人感觉,psm只是挑选出了处理组与匹配组,也就是DID中的一个D,而双差分模型进一步还要做再一次的差分。
ps:另外我们只是依据某个事件(政策)挑选出来了两组数据,在DID回归中,我们可以利用这点做进一步的分析


PSM之后,stata数据表格中会生成_id, _n1,_id就是处理组新的id,_n1就是匹配的控制组id,执行命令:sort _id  再对照原始id就可以看到各个匹配组了


请问stata的psmatch2在哪里找到的啊?

可以试试命令findit psmatch2,安装后就可以使用啦

转载请注明:数据分析 » 倾向得分匹配法(PSM)与双重差分(DID)

喜欢 (7)or分享 (0)