倾向得分匹配法（PSM）举例及stata实现；――读书笔记；【例】培训对工资的效应1；政策背景：国家支持工作示范项目（National；研究目的：检验接受该项目（培训）与不接受该项目（；变量定义：；变量定义；处理指示变量，1表示接受培训（处理组），0表示没；年龄（年）；受教育年数（年）；种族虚拟变量，黑人时，BLACK=1；民族虚拟变量，西班牙人时，HSIP
倾向得分匹配法（PSM）举例及stata实现
――读书笔记
【例】培训对工资的效应1
政策背景：国家支持工作示范项目（National Supported Work,NSW）
研究目的：检验接受该项目（培训）与不接受该项目（培训）对工资的影响。 基本思想：分析接受培训组（处理组，treatment group）接受培训行为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，而处理组没有接受培训会怎样是不可能观测到的，这种状态也成为反事实（counterfactual）。匹配法就是为了解决这种不可观测事实的方法。在倾向得分匹配方法（Propensity Score Matching）中，根据处理指示变量将样本分为两个组，一是处理组，在本例中就是在NSW实施后接受培训的组；二是对照组（comparison group），在本例中就是在NSW实施后不接受培训的组。倾向得分匹配方法的基本思想是，在处理组和对照组样本通过一定的方式匹配后，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（对照组）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：
处理指示变量，1表示接受培训（处理组），0表示没有接受培训（对照组）
年龄（年）
受教育年数（年）
种族虚拟变量，黑人时，BLACK=1
民族虚拟变量，西班牙人时，HSIP=1
婚姻状况虚拟变量，已婚，MARR=1 TREAT* AGE EDUC BLACK HSIP MARR
RE74 1974年实际工资（1982年美元）
RE75 1975年实际工资
RE78 1978年实际工资
U74 当在1974年失业，U74=1
当在1975年失业，U75=1 U75
1NODEGREE 当EDUC&12时，NODEGREE=1，否则为0 AGE×AGE
本例选自Cameron&Trivedi《微观计量经济学：方法与应用》（中译本，上海财经大学出版社，2010）pp794-800 所有数据及程序均来自于本书的配套网站（http://cameron.econ.ucdavis.edu/mmabook/mmaprograms.html）。本文是末学向两位善知识Cameron和Trivedi的教材恭敬学习后整理的读书笔记，没有任何创意，只是简化整理一番而已，整理中难免错谬之处，敬请指正，不胜感激。末学联系方式
EDUCSQ EDUC×EDUC
U74HSIP RE74×RE74 RE75×RE75 U74×HSIP U74BLACK U74×BLACK
*说明：年NSW计划还没有实施，1978年NSW计划已经实施，如果年的样本在NSW计划实施后接受了培训计划，那么TREAT=1，否则TREAT=0，1978年的样本亦然。
按处理组分类统计
【stata command】
. bysort TREAT: sum AGE EDUC NODEGREE BLACK HISP MARR U74 U75 RE74 RE75 RE78 TREAT
处理组 对照组
AGE 25.6 EDUC 10.87 NODEGREE .52209 BLACK .06024 HISP .25301 MARR .684 U75 .6 .1 RE74 28.75 RE75 63.34 RE78 53.92 TREAT 1 0 培训对工资的效应影响有很多种估计方法，作者列举了五种方法，分别是： TREATMENT-CONTROL COMPARISON（处理-对照比较法）
CONTROL FUNCTION ESTIMATOR（控制函数估计量）
DIFFERENCE-IN-DIFFERENCES（差异中差分法或倍差法）
BEFORE-AFTER COMPARISON（前后比较法）
propensity scores with matching（倾向得分匹配法）
其中倾向得分匹配法的stata实现过程如下：
总的讲来分为两大部分：一是为倾向打分，二是运用得分进行样本匹配并比较。
由于stata11没有倾向得分匹配法相关的命令，所以要通过网络下载相关的命令，相关的内容见附录。
一、倾向打分
第一步：设定宏变量breps表示重复抽样200次
. global breps 200
第二步，设定宏变量XDW02，表示变量AGE AGESQ EDUC EDUCSQ MARR NODEGREE BLACK HISP RE74 RE75 RE74SQ U74 U75 U74HISP
. global XDW02 AGE AGESQ EDUC EDUCSQ MARR NODEGREE BLACK HISP RE74 RE75 RE74SQ U74 U75 U74HISP
第三步，通过logit模型进行倾向打分
. pscore TREAT $XDW02, pscore(myscore) comsup blockid(myblock) numblo(5) level(0.005) logit
【注释】$表示引用宏变量。
【注意】一定要把处理指示变量放在最前面
【options相关说明】
pscore(newvar) is required and asks users to specify the variable name for the
estimated propensity score, which is added to the dataset.
blockid(newvar) allows users to specify the variable name for the block number
of the estimated propensity score, which is added to the dataset.
logit uses a logit model to estimate the propensity score instead of the
default probit model
comsup restricts the analysis of the balancing property to all treated plus
those controls in the region of common support. A dummy variable named
comsup is added to the dataset to identify the observations in the common
level(real) allows to set the significance level of the tests of the balancing
The default is 0.01.
numblo(real) allows to set the number of blocks of equal score range to be
used at the beginning of the test of the balancing hypothesis. The default
is set to 5
相关的结果参见stata窗口，总之这一步估计出了三个东西，一是myscore(Estimated propensity score)；二是myblock(Number of block);三是comsup(Dummy for obs. in common support)
第四步，作者在do文件中说道：For completeness do same with common support option NOT selected，相关命令如下：
. drop myscore myblock
. pscore TREAT $XDW02, pscore(myscore) blockid(myblock) numblo(5) level(0.005) logit
至此，倾向打分结束。接下来是根据倾向得分运用各种方法估计ATT值。
二、运用得分进行样本匹配并比较
方法一：Nearest neighbor matching (random version) 最邻近方法
首先，产生随机数种子
. set seed 10101
. attnd RE78 TREAT $XDW02, comsup boot reps($breps) dots logit
【说明】注意变量排列次序，RE78正是我们所关心的变量，放在最前面；其次是处理指示变量，最后是其他变量。关于选项内容，使用help attnd命令可以详细学习。
通过stata结果窗口可看到有三张表格：
第一张表格
处理组样本数 对照组样本数ATT* 标准差** T统计量
185 60 5.044 0.330 *ATT(ATET)表示已处理的平均处理效应（average treatment effect on the treated） ** Analytical standard errors
第三张表格
处理组样本数 对照组样本数ATT 标准差*** T统计量
185 60 3.764 1.002 ***Bootstrapped standard errors
第一张表与第三张表的差别在于标准差的估计，第一张表使用的是解析标准差，第三张表使用自助法得到标准差。当然t统计量也随之发生变化。
方法二：Radius matching（半径匹配法）
. set seed 10101
. attr RE78 TREAT $XDW02, comsup boot reps($breps) dots logit radius(0.001)
【说明】选项radius( )，括号内填写半径值，例如0.1，0.5，0.00001等，本
同样也需要注意变量排列次序问题，RE78正是我们所关心例的半径值为0.001。
的变量，放在最前面；其次是处理指示变量，最后是其他变量。另外，关于选项内容，使用help attr命令可以详细学习。
通过stata结果窗口可看到有三张表格，表格结构与最邻近方法类似。
方法三：Stratification Matching（分成匹配法）
. set seed 10101
. atts RE78 TREAT, pscore(myscore) blockid(myblock) comsup boot reps($breps) dots
方法四：Kernel Matching（核匹配方法）
. set seed 10101
. attk RE78 TREAT $XDW02, comsup boot reps($breps) dots logit
附录：pscore, attk, attnd, attnw, attr, atts 相关命令下载
第一步：查询
在stata命令窗口中点击
. findit pscore
第二步：点击链接
. . . . . . . . . . . . . . Software update for pscore suite
. . . . . . . . . . . . . . . . . . . . . . S. O. Becker and A. Ichino
(help attk, attnd, attnw, attr, atts, and pscore if installed)
SJ 5(3):470
三亿文库包含各类专业文献、专业论文、文学作品欣赏、中学教育、幼儿教育、小学教育、生活休闲娱乐、高等教育、行业资料、58倾向得分匹配法(PSM)举例及stata实现等内容。　
　交叉上市、股权性质与企业现金股利政策――基于倾向得分匹配法(PSM)的分析 2/6 云发表,专业论文发表网站!/ 面向作者直接收稿,省去中间... 　的公司作为配对样本, 运用双重差分法(DID)和倾向得分匹配法(PSM)实证研究了...企业的并购活动需要支付相应的对价,选择并购支付方式是实现企业并 购战略目标的... 　最后,本文采用倾向得分匹配法(PSM)进行稳健性检验,研究结果保持不 变。 本文从女性高管和风险规避的视角探讨了公司投资和融资行为的影响因素,因而 深化了公司投融资... 　政府可以通过实行 税收优惠政策实现对企业的间接资助,从而激励企业进行研发活动,...李娟(2014)运用倾向得分匹配方法(PSM),对中国 制造业中电子公司
年... 　本节将采用倾向值匹配法,从农 户对于新农保制度的评价和农户自身的风险意识等主观认知层面分析农户未参保的 原因分析。 一、倾向得分匹配法(PSM)倾向的匹配法是... 　STATA、EVIEWS 可以实现,高级的计量分析用 STATA、EVIEWS, 时序分析用 EVIEWS。 ...分析方法包括 DID(需两期的面板数据)、PSM(倾向性得分匹配法, 需一期的截面数据... 　STATA 与 EVIEWS 都是计量软件, 高级的计量分析能够在这两个软件里得到实现; ...分析方法包括 DID(需两期的面板数据)、PSM(倾向性得分匹 配法,需一期的截面... 　Stata 软件基本操作,运用该软件估计一般回归(OLS,Logit,Probit, count model) ,...另外,根据进度讲解 Hasen 门槛模型和随机倾向得分匹配模型(PSM) 。 熟练运用文献... 　最 新发展的倾向得分匹配(Propensity Score Matching, PSM)方法就是在此分析框架...(2002)共同开发了一组可应用于 倾向得分匹配的 Stata 运算程序(pscore.ado)。...关注今日：29 | 主题：194804
微信扫一扫
【其他】倾向得分匹配法（PSM）举例及stata实现(转自人大经济论坛)
页码直达：
这个帖子发布于3年零223天前，其中的信息可能已发生改变或有所发展。
倾向性评分在经济领域也应用广泛，偶在人大经济论坛发现这个资源，随和大家分享。本例选自Cameron&Trivedi《微观计量经济学：方法与应用》（中译本，上海财经大学出版社，2010）pp794-800所有数据及程序均来自于本书的配套网站（http://cameron.econ.ucdavis.edu/mmabook/mmaprograms.html）。
不知道邀请谁？试试他们
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
大神,求助!!!!本人开题，题目暂时定为《支付制度改革对参合农民卫生服务利用的影响——基于倾向得分匹配法(PSM)的实证分析》，研究对象共5个县，2个试点县（即：实施了创新支付制度的县），3个非试点县。
我现在想要用倾向匹配得分法来研究，可是总觉得有什么地方不对劲，失望懂得人帮我解答一下！PS：本人之前没有接触过PSM法，为了恶补查了很多文献资料，但是本人愚钝，在没有老师教的情况下始终对该方法理解不透，模模糊糊的，所以**大神帮小弟出下主意，下月5号就开题了，**大神！！！
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
求助！您好，之前看了您在做PSM相关研究，最近一篇文章俢回需要进行PSM统计分析，但是我在SPSS上安装不了，请问有在SPSS上安装的相关插件吗？不甚感激！！
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
我的显示COMMAND PSCORE IS UNRECOGNIZED
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
pscore要先安装才可以
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
关于丁香园【图文】倾向值匹配法(PSM)_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
倾向值匹配法(PSM)
大小：728.00KB
登录百度文库，专享文档复制特权，财富值每天免费拿！
你可能喜欢苹果/安卓/wp
积分 497, 距离下一级还需 303 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡, 抢沙发下一级可获得
权限: 隐身
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 245 天连续签到: 1 天[LV.8]以坛为家I
这一段时间自学了PSM方法，想为学习做点记录之外，也因在此得到许多前辈的启发，所已花了几天时间写了这个学习教材，希望能帮助后来者更有效率的学习PSM。 另外，也顺便请教各位关于PSM方法我仍未完全理解的部份：1. 所谓的ATET值(Treatment的效果)到底如何计算可得？2. STATA可否知道在match过程当中谁和谁被配在一起？ 指望解答了，谢谢各位。
(859.55 KB, 售价: 5 个论坛币)
14:38:14 上传
售价: 5 个论坛币
载入中......
楼主人品不错，有赏
总评分:&经验 + 110&
论坛币 + 35&
学术水平 + 3&
热心指数 + 4&
信用等级 + 3&
本帖被以下文库推荐
& |主题: 151, 订阅: 84
& |主题: 109, 订阅: 46
& |主题: 233, 订阅: 65
感谢两位，顺便自己顶一下~~
No thanks. 有错误请帮忙提点。
暂时财富值不够。
留个电邮我免费发给你呗
too expensive
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师苹果/安卓/wp
积分 133, 距离下一级还需 12 积分
权限: 自定义头衔
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡下一级可获得
道具: 匿名卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
倾向性得分匹配法，根据倾向分匹配后，如何在估计ATT时加入其它变量（估计倾向分的方程中不包含的变量）？毕竟估计倾向性得分的变量和估计outcome的变量是不同的？求问相关的原理或者stata指令，两者兼具更佳。拜谢！！回答较佳者可得200个论坛币，如果是我想要的答案，也可以加论坛币。
载入中......
放在分组变量前面attnd命令后面，就行了吧。
纯属自己见解，楼主可以试试。
psmatch2&&depent x1 x2 x3......接着写
red123star 发表于
psmatch2&&depent x1 x2 x3......接着写这样不行诶，我想要在倾向性得分法第二步中加入第一步中没有的变量，毕竟第一步和第二步两者因变量不同，自变量也应当是不同的。psmatch2 choice x1 x2 x3,outcome(y) llr logit common& & 这样子的话x1 x2 X3只会进入选择方程，我想在结果方程中加入x4 x5
psmatch help 文件件有吗？
red123star 发表于
psmatch help 文件件有吗？没有。。。。
坐等高手解答 以供吾辈学习！
就这样吧。
第一步：只进行匹配，不求ATT
第二步：进行匹配后不用非参数估计方法行，就用一般的估计方法把处理的变量作为一个解释变量，我是看内生转换回归模型后有这样的想法，但是不知道能行不，我也有同样的问题，需要解决。
实施数据匹配后，可以采用多种方法进行postmatching analysis。不过匹配后所可能采用的方法受限于你之前所采用的匹配策略（例如你是一一匹配还是完全匹配等）。简单情况下，例如是一一匹配，那么就可以在匹配后直接采用OLS回归，将你想在结果方程（而非选择方程）中纳入的变量作为控制变量进行OLS回归分析。但如果你采用的是完全匹配，那么OLS方法可能并不适用。
james9609 发表于
实施数据匹配后，可以采用多种方法进行postmatching analysis。不过匹配后所可能采用的方法受限于你之前所采 ...一种方法是，可以在匹配后再做回归，回归时只用匹配成功的样本，但需要用psmatch2后自动生成的 _weight做为频数权重。举例如下：
psmatch2 t x1 x2, out(y) logit
reg y t x1 x2 x3&&[fweight=_weight]
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师}