用PSM求系数的步骤已经完成了,还有一步是检验匹配结果是否平衡。 pstestY匹配变量1匹配变量2匹配变量3...,both 还是以陈强书为例,这张表格,要得到的结果是每个匹配变量在匹配后,各匹配变量的均值不存在显著差异,其标准化误差小于10%,以age为例,5.6就是匹配后样本组与控制组的age的标准化差异,小于10%。只有一个...
一、原理 二、步骤 (一)估计倾向得分 (二)匹配 (三)估计处理效应 三、stata代码 (一)估计倾向得分 (二)匹配 (三)估计处理效应 一、原理 定义:PSM(Propensity Score Matching,PSM)通过计算每个个体接受某种处理(如治疗、政策干预等)的概率,即倾向得分,然后根据这个概率将实验组和对照组的个体进行匹配,使得两组...
在stata中实现PSM（倾向得分匹配）过程包括将连续自变量转换为二元离散变量，选择匹配变量，并使用psmatch2命令进行匹配。匹配变量的选择应基于对相关特征的深入考虑，类似于其他研究中所做的选择。常用的匹配方法有集中方法、M-匹配、核匹配、logit回归匹配等。匹配完成后，通过计算ATT（平均处理效应）来评估...
用PSM求系数的步骤已经完成了,还有一步是检验匹配结果是否平衡。 pstestY匹配变量1匹配变量2匹配变量3...,both 还是以陈强书为例,这张表格,要得到的结果是每个匹配变量在匹配后,各匹配变量的均值不存在显著差异,其标准化误差小于10%,以age为例,5.6就是匹配后样本组与控制组的age的标准化差异,小于10%。只有一个...
不过根据PSM的原理,倾向得分接近就够了,其他属性也接近更好。 如果数据适合匹配,又不确定是否是线性关系,优先考虑匹配,因为匹配是非参数估计,更准确。匹配比回归更接近随机试验。对于截面数据,匹配后无需再跑回归,回归依赖于线性模型假定,反而更不稳健。PSM有一个非官方命令,psmatch2,但不建议使用这个命令,因为其...