匹配后实验组和控制组的各控制变量t检验的结果并不能拒绝原假设,表明了实验组和控制组并没有差异,均说明了匹配结果满足平衡性检验,通过平衡性检验之后的样本消除了县域个体的选择差异,为后续DID估计的可靠结果提供了重要基础。 表2 倾向得分匹配的...
这里did4不显著,可以证明政策实施的唯一性。但有时候did4可能依然显著,但是系数变小,证明还受到其他政策影响。 4.5 控制组和政策影响组的分组是随机的 用工具变量来替代政策变量,解决因为分组非随机导致的内生性问题: xi:xtivreg2 ln_w (did=hours tenure) $xlist i.year,fe first 二、期刊示例 示例1:psmat...
即检验匹配后协变量取值在两组间是否存在显著差异,如果差异不明显,则说明匹配效果好,使用这样的匹配样本进行DID回归就比较合适。平衡性检验主要有两种。 一是度量两组间协变量的标准化均值的偏差%bias。如果匹配后协变量的%bias小于10%,且明显小于未匹配前的%bias,则说明对于这个协变量来说,两组间并无差距。%bias...
graph export 'common_support.emf', replace 图3 截面PSM的平衡性检验 图4 截面PSM的平衡性检验 由图3和图4所示,所有协变量的%bias均小于10%,且都明显小于匹配前的%bias,%bias的绝对值较匹配前大幅下降了56.1%~98.7%;除ADM、LEVDISP和ENTRYR这三个协变量外,其余协变量均不拒绝“两组间协变量的取值不存在...
2. 平衡性检验 接下来,进行平衡性检验以确保匹配后的处理组和对照组在协变量上无显著差异。 stata pstest $xlist, both graph 3. 匹配质量 检查匹配前后的倾向得分分布,以评估匹配质量。 匹配前: stata tw (kdensity _pscore if T == 1) /// (kdensity _pscore if T == 0) 匹配后: stata tw...
逐年PSM的平衡性检验 这里与之前的方法略有不同。与截面匹配的PSM不同,逐年进行匹配使得我们只能在同一年份内比较各协变量在两组之间是否存在系统性偏差。不同年份的匹配样本并不具备可比性,而且将其合并成面板数据后进行平衡性检验在技术上也并不可行。在这里,参考了谢申祥等人(2021)的方法,通过比较匹配前后不同年...
4️⃣ 平衡性检验: 使用`pstest`命令进行平衡性检验,检查匹配后控制变量在两组间是否存在显著差异。 命令格式:`pstest $x, both graph`5️⃣ PSM-DID操作: 生成处理效应变量(DID),使用`gen did=treat*post`。 使用`xtset`命令设置时间序列数据集,然后使用`xtreg`命令进行回归分析。
因此,想请问做PSM分析的时候,协变量应该如何选择更合适呢?能否处于平衡性考虑剔除掉个别协变量? (1)可以使用第三方命令diff直接操作,无需手动操作每一步。 (2)如果平衡性检验结果不好,不是因为协变量加得太多,而是加得太少。加入某个协变量不够平衡,可以尝试把这个协变量拆解为更一般的形式——例如加入高阶项和...
PSM-DID秘籍!Stata代码 📚 PSM-DID的主要步骤: 1️⃣ 计算倾向得分: ```stata set seed 1000 gen tmp = runiform() sort tmp global xlist "ln_pop ln_zl ln_gdp ln_rgdp ln_ex ln_sgdp ln_sl ln_l" psmatch2 T $xlist , n(3) out(ln_so) logit ate ``` 2️⃣ 平衡性检验:...
psmatch2自带两个估计后检验命令,一个是pstest,用于进行平衡性检验;一个是psgraph,用柱状图的方式直观呈现出两组间满足共同支撑假设(即倾向得分值在共同取值范围内)样本的分布情况。 pstest,bothgraphsaving(balancing_assumption,replace)graphsave"balancing_assumption.gph",replace ...