倾向匹配得分教程【pscore、psmatch2、官方命令Teffects操作及应用】

本文主要包括倾向匹配得分命令简介、语法格式、倾向匹配得分操作步骤 思路，涉及倾向匹配得分应用、平衡性检验、共同取值范围检验、核密度函数图等内容。

1

命令简介

Stata没有一个内置的倾向评分匹配的命令，一种非实验性的抽样方法，它产生一个控制组，它的协变量分布与被处理组的分布相似。但是，这个方法有几个用户编写的模块。以下是最受欢迎的模块（主要有如下几个外部命令）

psmatch2.ado

pscore.ado

nnmatch.ado

上述主要介绍了如何获得PSM相关的命令，本文主要介绍如何使用pscore、psmatch2以及Stata官方的PSM命令Teffects。

2

语法格式

pscore语法格式为：

pscore treatment varlist [weight] [if exp] [in range] , pscore(newvar) [blockid(newvar) detail logit comsup level(#) numblo(#) ]

选项含义为：

pscore(newvar)是必需的，它要求用户为估计的倾向评分指定变量名，并将其添加到数据集中。

blockid(newvar)允许用户为估计倾向分数指定变量名，并将其添加到数据集中。

detail显示更详细的输出，说明为获得最终结果而执行的步骤。

logit使用logit模型来估计倾向评分，而不是默认的probit模型

本文将平衡特性的分析局限于所有处理和共同支撑区域的控制。选项comsup表示使用具有共同支撑区域样本。

level(real)允许设置平衡属性测试的显著性水平。默认值是0.01。

teffects语法格式为：

help teffects

teffects psmatch (ovar) (tvar tmvarlist [, tmodel]) [if] [in] [weight] [, stat options]

选项含义为：

ovar 结果变量

tvar 处理变量

tmvarlist 预测变量

logit指定使用logit模型进行拟合，默认的是probit模型；

psmatch2语法

 psmatch2 depvar [indepvars] [if exp] [in range] [, outcome(varlist)                     pscore(varname) neighbor(integer) radius caliper(real)                     mahalanobis(varlist) ai(integer) population altvariance                     kernel llr kerneltype(type) bwidth(real) spline                     nknots(integer) common trim(real) noreplacement                     descending odds index logit ties quietly w(matrix) ate]

选项含义为：

depvar因变量 ；

indepvars表示协变量；

outcome(varlist)表示结果变量；

logit指定使用logit模型进行拟合，默认的是probit模型；

neighbor(1)指定按照1:1进行匹配，如果要按照1:3进行匹配，则设定为neighbor(3)；

radius表示半径匹配

核匹配 (Kernel matching)

其他匹配方法

广义精确匹配(Coarsened Exact Matching)  || help cem

局部线性回归匹配 (Local linear regression matching)

样条匹配 (Spline matching)

马氏匹配 (Mahalanobis matching)

pstest $X, both做匹配前后的均衡性检验，理论上说此处只能对连续变量做均衡性检验，对分类变量的均衡性检验应该重新整理数据后运用χ2检验或者秩和检验。但此处对于分类变量也有一定的参考价值。 

psgraph对匹配的结果进行图示。

3

案例应用1

背景数据描述：

这是国家支持工作示范(NSW)处理组数据的子样本和当前人口调查(CPS)的比较样本。Lalonde(1986)、Dehejia和Wahba(1999)对这些数据进行了广泛的分析。

1、首先进行数据结构查看

use "ldw_exper.dta", clear     eddesc

结果为：

2、描述性分析 

tabstat age edu black hisp married re74 re75 u74 u75,statistics(mean) by(t)

结果为：

3、Pscore命令进行操作

pscore t age edu black hisp married re74 re75 u74 u75, logit blockid(myblock) comsup pscore(mypscore)

结果为：

4、使用attnd命令进行后续分析

attnd re78 t, pscore(mypscore)

结果为：

等价于下面命令

attnd re78 t age edu black hisp married re74 re75 u74 u75, logit

结果为：

5、psmatch2命令进行操作

psmatch2 t age edu black hisp married re74 re75 u74 u75, out(re78) neighbor(1) ate ties logit common

结果为：

6、teffects命令进行操作

teffects psmatch (re78) (t married age edu black hisp married re74 re75 u74 u75,logit), atet nneighbor(1)

结果为：

7、平衡性检验，需要在psmatch2后面做，上述teffects实现不了。

7.1 倾向匹配得分

local v1 "t"local v2 "age edu black hisp married re74 re75 u74 u75"global x "`v1' `v2' "
psmatch2 $x, out(re78) neighbor(1) ate ties logit common // 1:1 匹配$表示引用宏变量，
等价于 psmatch2 t age edu black hisp married re74 re75 u74 u75, out(re78) neighbor(1) ate ties logit common

结果为：

7.2 查看匹配后数据

结果为：

打开数据编辑窗口，会发现软件自动生成了几个新变量：

其中_pscore是每个观测值对应的倾向值；

_id是自动生成的每一个观测对象唯一的ID（事实上这列变量即是对_pscore排序）；

_treated表示某个对象是否试验组；

_n1表示的是他被匹配到的对照对象的_id（如果是1:3匹配，还会生成_n2, _n3）；

_pdif表示一组匹配了的观察对象他们概率值的差。

7.3 均衡性检验

pstest $v2, both graph

结果为：

7.4 共同取值范围

psgraph

结果为：

7.5 核密度函数图

twoway(kdensity _ps if _treat==1,legend(label(1 "Treat")))(kdensity _ps if _treat==0, legend(label(2 "Control"))),xtitle(Pscore> ) title("Before Matching")
. twoway(kdensity _ps if _treat==1,legend(label(1 "Treat")))(kdensity _ps if (_weight!=1&_weight!=.), legend(label(2 "Control"))),> xtitle(Pscore) title("After Matching")

结果为：

4

案例应用1

1、首先进行数据结构查看

webuse cattaneo2
Estimate the average treatment effect of mbsmoke on bweight, using a logistic model (the default) to predict each subject's propensity scoreteffects psmatch (bweight) (mbsmoke mmarried c.mage##c.mage fbaby medu)
Refit the previous model, but only consider a pair of observations a match if the absolute difference in the propensity score is less than 0.1teffects psmatch (bweight) (mbsmoke mmarried c.mage##c.mage fbaby medu), caliper(0.1)

结果为：

5

2020国庆Stata研讨班

为了帮助大家全面系统的掌握stata，我们在一贯坚持高水平授课办会的基础上，特别打造“小班教学、理论与软件并重、精品课程解析”的课程培训亮点，现推出2020年Stata国庆班!

课程详情

截至目前，计量经济学服务中心已经在西安、北京、上海、广州等地成功举办了15场stata高级班，并在深圳南方科技大学举办了一场stata编程研讨班。

由于种种原因，很多学员一直想学却没有学，2020，给自己一个勇敢的理由，一起来放大你的小目标。

零基础入门

循序渐进学会高级计量及Stata应用

系统学习，助你成长

聚焦Stata在高级计量的应用

大纲

零基础起步，高级计量及Stata应用远程班，采用线上的授课模式进行授课。以理论+软件+案例+操作+讲解答疑的模式，初级+高级课程，涵盖数据管理+横截面+时间序列+面板数据+门限回归+因果推断（倾向匹配得分+合成控制法）+空间计量等专题，帮助你建立系统的计量体系，具体内容如下：

Class 1. A Quick Tour of Stata

• stata简介Why Stata?/what is stata

• 软件界面The Stata Interface/What Stata looks like

• 参考书籍推荐Textbooks

• log工作日志和do文档What to do first?Set a working directory/Keeping track of things（Do-files and log-files ）

• 命令以及帮助the command & Getting Help（包括help的使用以及ssc install 、findit等外部命令获取和使用）
  

Class 2. DATABASE MANIPULATION数据管理

• 导入导出 Import and Export

• 面板数据、时间数据、官方数据Time series data &Panel data & Example Datasets

• 变量以及数据Variable and data types/Indicator or data variables

• 数据管理Data management

• 排序Order, aorder, and move

• 变量标签Variable Labels and Notes

• 文字变量处理之数据类型转换Converting strings to numerics and vice versa（encode 、decode、 destring、 tostring 等）

• 数据横向合并和纵向合并Append and merge（merge，包括一对一、一对多、多对一等合并，append、cross、joinby等，）
  

• 数据生成Generating new variables

• 描述分析Describing the data （summarize）

• 基础命令Basic commands（table tabulate)

• tabstat命令

• CSMAR及中经网数据库复杂的使用技巧

Class 3. 相关分析Correlation analysis（相关分析简介、相关命令corr、pwcorr、pwcorr_a等应用介绍、分析结果输出等）

Class 4.  回归分析Estimation

• 线性回归模型估计方法OLS
  

• 回归估计标准流程应用讲解估

• 估计系数统计推断

• 假设检验（多重共线性、自相关、异方差等）
  

• Stata与Word、Excel结合的估计结果输出等

• 主题范文讲解

Class 5. 时间序列

• 平稳性检验

• 协整检验

• 格兰杰检验

• 课程总结以及论文讲解

Class 6&7. 静态面板与动态面板数据

• 面板数据描述性分析

• 面板数据平稳性检验

• 静态面板数据回归分析：随机效应模型和固定效应模型、Hausman检验

• 动态面板模型

Class 8. 门限回归

• 包括横截面与面板模型的门限回归，主讲xthreg、xtthres、threshold等命令，并与Eviews软件对比，让大家对门限回归有一个全面的了解。

• 门限回归理论介绍

• 门限回归操作流程图

• 门限回归操作以及结果解释等

• 论文讲解以及课程总结

Class 9. 内生性问题专题I：倾向匹配得分

• 倾向匹配得分简介、为何使用 PSM ?、传统的配对方法、配对过程中的两个核心问题、匹配方法、优缺点

• 倾向匹配得分建模流程图

• PSM操作命令及其具体应用

• 论文讲解

• 课程总结

Class 10. 内生性问题专题II：合成控制法

Class 11. 结果输出Extracting results

• Post summary statistics(summarize、tabstat)

• Post correlation coefficients (pwcorr、correlate、logout )

• Coefficients/equations

• Basic syntax and usage

• estout、esttab、estadd and other useful Stata commands

• Standard errors, p-values, and summary statistics

• Use with Word/Rtf/Excel/LaTeX

• Other Advanced Examples（esttab、outreg2、logout等）

Class  12. 经济金融数据库（国泰安数据库、中经网）使用技巧

Class  13. 论文写作专题（从源头数据处理到分析）

Class  14. 空间计量经济学模型（横截面空间计量模型与面板空间模型，包括空间自相关检验、空间效应检验、SAR、SEM模型以及空间面板随机与固定效应检验等）

• 空间计量发展概述

• 空间回归模型动因

• 空间效应

• 空间权重矩阵

• 空间相关性度量

• 空间计量模型简介、流程图、识别检验、判别准则等

• 横截面空间计量模型及stata应用

• 面板空间计量模型及stata应用（面板固定效应与随机效应等检验）

精彩板书

硬核代码

理论与软件并重

手把手教学

带你建立系统计量体系

2020国庆Stata研讨班

时间：2020年10月1日-10月4日（四天）

学习优势

重软件操作、重实战是课程一直以来的优势与好评。控制人数的小班教学以确保每一位学员真正学到操作技能。

理论与软件并重，手把手教学，零基础起步，小白也能学会的Stata研讨班！

重要的事情说三遍，我们课程手把手带大家操作学习，并提供完整do文档以及数据、讲义、资料书等，手把手教学和操作学习！

学习礼包

1，课程互动以及微信群等答疑；

2，学术学习资料大礼包一份；

3，课后赠送三个配套精品课程视频：《零基础学空间计量：空间计量及Geoda、stata应用》+初级班视频《零基础学stata，让每一个文科生都成为计量高手》+高级班视频《高级量化回归分析：让每一个文科生都能学会回归分析》，全网累计1000人订阅，价值1000元；

4，后续相同课程现场班可以五折优惠参加。

立体化的服务体系，真正保障学有所成！

1、系统化的知识体系。15场线上+线下班成功举办的经验积累，知识点精细，学习成长路径更放心；

2、在线直播。授课以直播形式，能够及时答疑，互动性更强，感受线下课堂学习氛围

3、课后答疑。有学习上的疑问，可与老师1对1沟通解答。

4、零基础起步，理论与软件并重，手把手教学，小白也能学会的计量班。

学习礼包

课程形式：远程在线直播，实时互动，一共4天

开课时间：

时间：2020年10月1日-10月4日（四天）

参会人数：限额60人，报名成功与否以实际付款为准，不接受口头报名。

价格：原价4000元 /3600元 (学生价，仅限全日制本科生和硕士在读)；

授课形式：老师讲授指导、学员操作练习、线上答疑解惑。

课程资料：提供PPT、课程讲义以及完整的do文档等。

优惠信息

缴费成功后都享受如下优惠

1．同一单位3人以上报名，9折优惠；

2．同一单位5人以上报名，8折优惠（前2项优惠不能叠加）

学习目标

1、掌握计量经济学及Stata操作，能够运用Stata完成复杂的数据处理工作，并熟练运用Stata完成写作；        

2、了解常用模型的思路、原理和建模方法，从源头数据库等数据下载、搜集、整理、管理，到stata数据操作，培养数据分析能力；

3、通过中心精心准备的do文档讲义来完成学习，并实现do文档中现成命令的可复制性（只需要修改部分do文档命令的变量，就可以一键实现数据分析和数据管理的结果，具有复制性），然后根据相关计量经济学知识学习，能够独立完成计量经济学模型建模以及实证分析！

学习对象

经济及社科类青年教师、博士生、硕士生、高年级本科生。（1 Stata爱好学习者。2  经济管理以及人文社科领域人员、各类市场调查公司、咨询公司、互联网公司和科研机构需要进行数据处理的人士。）

报名流程

支持网络付款以及对公转账

报名流程  

1、电话咨询，给予反馈，确认报名信息。

2、交费（微信、支付宝或者对公转账等），报名前请确认信息。

3、开课前发送培训通知以及软件准备，电子版预习资料等。

4、开课后领取发票及邀请函。 

网络付款：扫描下方二维码立即报名哦

▲（教师）扫码报名

▲（学生价）扫码报名

注意事项

1、即日起接受报名，具体报名截止日期根据实际招生而定，人员招满将关闭报名通道。

2、如人数满15人，即可开班；若报名人数不够15人，本次训练营自动取消，学员所缴纳报名费全额返还。

3、如您报名后有事不能参加，请及时告知！2020年9月150日17:00之后不再接受退费。

4、本次会议可提供增值税普通发票，如需开具（请联系微信：Xindream1992），并根据自己单位财务部门要求填写抬头和类目信息（一旦开具不能重开），发票类目为：会议服务费、信息服务费、培训费、会议费、咨询费等，报名时可以直接任选其一，其他类目无法开具。

5、会议邀请函通知及课程试看和报名咨询等直接联系王老师。请学员自己网络搜索下载stata15.0/16.0。本次会议最终解释权归计量经济学服务中心所有。

在线咨询：

王老师

电话：[phone]

微信：Xindream1992

扫码添加微信