stata：倾向得分匹配（PSM）

导读：

在经济学中，我们常常希望评估项目实施后的效应，一般的做法是加入虚拟变量，但是这种做法并不科学。例如政府推行就业培训计划，该项目的参与者，我们将其称作处理组（treatment group），未参与的培训的样本称作控制组（control group）也叫对照组。

PSM

考虑就业培训的处理效应评估。我们一般的做法是比较两组的收入状况。如果这样处理，可能得到的结论是参加培训的收入低于未参加培训者。这是由于一开始选择控制组的样本时，选择范围比较广阔，存在选择偏差。所以在此介绍倾向得分匹配方法（PSM）。本文在此就不介绍相关理论了，因为小编的理论也不是特别的好，如果想学习的可以参阅连玉君老师的相关视频（重点推介），大概有5个课时；同时也可以参考陈强老师的《高级计量经济学及stata应用》中的第28章处理效应。在此小编仅仅介绍stata的相关操作。

 1、安装psmatch2

 ssc install psmatch2，replace

2、导入数据，方法比较多，可以粘贴复制、也可以使用命令

 use E:\BaiduNetdiskDownload\A\labor.dta,clear   

3、命令语法格式介绍

psmatch2 D x1 x2 x3 ,outcome(y)  logit  ties  ate common odds  ///                          pscore(varname)  qui

对以上的标准命令进行解析

 D为处理变量，是虚拟变量即是否参加培训

x1 x2 x3是协变量，一般的称呼也叫解释变量

outcome(varname)是输出变量，例如收入

 logit 表示计算得分的时候使用logit模型，如果不写Logit，默认为probit模型计算得分，在连玉君的视频中论述了二者并不存在明显的差异。

ties表示包括所有倾向得分相同的并列个体，默认按照数据排序选择其中一位个体。

ATE表示同是汇报ATE、ATU、ATT，大家看书重点了解

common表示仅对共同取值范围内的个体进行匹配

odds使用几率比（odds ratio）算法为p/(1-p),熟悉logit模型的应该了解

qui屏幕中不显示logit模型估计过程，可以节省运算时间

4 匹配方法

连玉君的视频教程讲了三种：最近0匹配、半径匹配、核匹配；陈强老师讲了6种，如果想详细学习，可以参考他们的相关视频与书籍。

5 检验

匹配倾向得分主要有平行假定和共同假定，主要是通过相关图表进行展示，个人建议重点参考连玉君老师的视频，相对比较完整。这一部分的东西相对比较多，小编在此也不一一进行整理。

来源 |计量经济学（ID:Mr-lufly）,转载已获授权