1.5 PSM + DID 二、PSM - DID的实现 2.1 数据初步处理 2.2 截面PSM - DID 这次推文的内容主要是介绍选择偏差及其导致的内生性问题,以及缓解这种内生性问题的倾向得分匹配法(Propensity Score Matching,PSM),并且用一实例介绍一下如何将PSM与DID结合,即PSM - DID在Stata中的具体操作。 注:推文中的公式
因此,进一步使用多时点 PSM-DID 模型做稳健性检验十分必要。 针对 PSM 适用于截面数据而 DID 适用于面板数据的问题,现有文献主要从构造截面 PSM、逐期匹配两个方面解决这一问题。我们以白俊红等(2022)为例,分别对两种 PSM-DID 的 Stata 操作进行介绍,部分内容参考了知乎用户Kemosabe 的(双重差分法之 PSM - DID ...
由于PSM适用于截面数据而DID适用于面板数据,二者适用范围不同可能会影响PSM⁃DID模型有效性。分别采用截面PSM和逐期PSM两种方式进行匹配。 如表6所示,列(1)和列(2)分别报告了截面PSM和逐期PSM匹配后的回归结果,估计系数分别在1%和1...
这种情况下,应该如何进行DID的平行趋势检验,是否有好的文献支撑? 谢谢解答! 答:第一,混合截面数据就是需要每期分别匹配,所以你做的没问题。 第二,混合截面数据无法控制个体固定效应(只有面板才能控制)。可以考虑控制更高层级的固定效应。例如,虽然数据在员工层面不是面板,但如果在企业层面是面板,则可以考虑控制企业层...
PSM-DID 模型是由倾向得分匹配模型 (Propensity Score Matching,以下简称 PSM) 和双重差分模型 (Differences-in-Differences,以下简称 DID) 结合而成。其中,PSM 负责为受处理的个体筛选对照个体,DID 负责识别政策冲击所产生的影响。 PSM 适用于截面数据,而 DID 适用于面板数据。针对二者适用范围不同的问题,学者们一般...
PSM-DID模型是由倾向得分匹配模型(Propensity Score Matching,以下简称PSM) 和双重差分模型(Differences-in-Differences,以下简称 DID) 结合而成。PSM-DID模型是一种常用的计量经济学方法,用于评估政策或干预的效果。 ①倾向得分匹配(PSM)是通过建立一个'倾向得分'模型,将干预组和对照组的个体进行匹配,使得两组在观测...
在探讨 DID, PSM 及 DID+PSM 的差异时,关键在于理解它们在评估干预效果时的不同方法。首先,匹配估计量是评估方法之一,它通过构造对照组与处理组,使得可观测特征相近,从而减少选择偏差。匹配分为截面数据匹配和双重差分匹配。截面数据匹配使用项目介入后一个时间点的数据进行估计,而双重差分匹配则需要...
如果是这样,在使用PSM-DID时,是不需要对每一期的样本都进行匹配的:混合截面数据需要对每一期进行匹配,而面板数据只需要在干预发生前的时期进行匹配。因此,建议直接使用 diff 命令,以避免手动操作造成的错误步骤。diff 命令的运行基于未匹配过的原始数据(可以是面板,也可以是混合截面),命令本身负责匹配和 DID 的全...
摘要:在倾向得分匹配-双重差分模型(PSM-DID)的应用中,面临原本适用于截面数据的倾向得分匹配(PSM)运用到面板数据中的挑战,传统基于面板数据转化为截面数据再匹配的方案和基于面板数据逐期匹配的方案,容易产生'自匹配'现象或匹配对象在政策前后不一致的问题。为克服上述问题,本文对传统的逐期匹配方案进行了如下改进:一...
对于贷款给农民的项目,DID在截面数据中看到的差异可能受到生产率和贷款选择偏误的影响。而前-后估计和双重差分则分别通过控制前后变化和个体特征,提供了更准确的影响评估。DID+PSM在此场景下,可以进一步细化分析,控制更多不可观测因素,提供更深入的洞察。总的来说,DID、PSM和DID+PSM在处理时间趋势和...