然而,PSM - DID也并非是解决选择偏差的灵丹妙药,除了PSM本身不能控制因不可观测因素导致的组间差异,在与DID结合时还存在一个更为关键的问题。 从本质上来说,PSM适用于截面数据,而DID仅仅适用于时间 - 截面的面板数据。 对于PSM,每一个处理组样本匹配到的都是同一个时点的控制组样本,相应得到的ATT仅仅是同一...
PSM是对截面数据的控制组和处理组进行匹配 DID是对面板数据的控制组和处理组干预前后的变化进行比较 两者的联系在于都需要进行分组,区别在于DID在分组的基础上需要识别干预时点前后被解释变量的变化 优点缺点 ①实施简易,相较于随机实验(ABTest)方法,PSM-DID方法不需要进行随机分配处理组和控制组,而是利用已有的观察数...
即 PSM 模型适用于截面数据，而 DID 模型适用于面板数据。传统基于面板数据转化为截面数据再匹配的方案和...
虽然传统的研究思路存在一定程度的不足,但本次推送还是按照传统的设计思路介绍一下PSM - DID如何在Stata中实现。 具体来说,本次推送将使用李青原和章尹赛楠(2021)公布在《中国工业经济》官网的原始数据,首先,分别采用截面PSM与逐年PSM两种方法获得匹配样本,之后将匹配样本进行DID回归,并比较匹配后的回归结果与匹配前...
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...
本文采用倾向得分匹配-双重差分(简称PSM⁃DID)模型进行检验。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...
经典PSM-DID的估计方法 在两期面板中,基于条件平行趋势假设,PSM-DID的基本做法是:首先使用处理前的第1期数据(这是横截面数据),进行倾向得分匹配(PSM);然后根据匹配结果,针对两期面板进行双重差分估计(这是真正意义上的双重差分,当然也可使用OLS)。 在具体匹配方法上,可以使用传统的“K近邻匹配”(k-nearest neighbor...
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...
经典PSM-DID的估计方法 在两期面板中,基于条件平行趋势假设,PSM-DID的基本做法是:首先使用处理前的第1期数据(这是横截面数据),进行倾向得分匹配(PSM);然后根据匹配结果,针对两期面板进行双重差分估计(这是真正意义上的双重差分,当然也可使用OLS)。 在具体匹配方法上,可以使用传统的“K近邻匹配”(k-nearest neighbor...
(2)如果产生影响的这个不可测变量是个不随时间变化的量，而且我们有一个面板数据，那么我们可以使用DID...