免费公开课--DID专题视频（论文精讲--传统DID、PSM-DID、平行趋势检验、安慰剂检验汇总）

来源：数量经济技术经济研究《专利质押、融资约束与企业劳动雇佣》

---

本文方法主题：DID模型

• 使用到了DID模型
• 平行趋势检验
• 安慰剂检验方法
• PSM-DID
• 随机抽样1000次绘制安慰剂检验图

使用到的主要命令：

• 描述结果输出lxhsum
• 相关分析系数输出lxhcorr
• 结果输出lxhreg
• 平行趋势检验绘图eventdd
• DID模型分析命令xtreg
• PSM-DID分析中涉及到psmatch2、pstest

第一部分：双重差分知识回顾

第二部分：双重差分代码实现

*    -------------------------------------------------- 
*                                                       
*         $$$$$ $$$$$$$$    $    $$$$$$$$    $          
*        $$  $$ $  $$  $   $$    $  $$  $   $$          
*        $$   $    $$      $$$      $$      $$$         
*        $$$       $$     $ $$      $$     $ $$         
*          $$$     $$     $  $$     $$     $  $$        
*           $$$    $$     $$$$$     $$     $$$$$        
*        $   $$    $$    $   $$     $$    $   $$        
*        $$  $$    $$    $    $$    $$    $    $$       
*        $$$$$    $$$$  $$$  $$$$  $$$$  $$$  $$$$      
*                                                       
*    -------------------------------------------------- 
*                                                       

*        
*-------------------------------------------------------------------------------    
*        参考资料：
*        《初级计量经济学及Stata应用：Stata从入门到进阶》             
*        《高级计量经济学及Stata应用：Stata回归分析与应用》
*        《量化社会科学方法》
*        《社会科学因果推断》
*        《面板数据计量分析方法》
*        《时间序列计量分析方法》
*        《高级计量经济学及Eviews应用》
*        《R、Python、Mtalab初高级教程》
*        《空间计量入门：空间计量在Geoda、GeodaSpace中的应用》 
*        《零基础|轻松搞定空间计量：空间计量及GeoDa、Stata应用》
*        《空间计量第二部：空间计量及Matlab应用课程》
*        《空间计量第三部：空间计量及Stata应用课程》
*        《空间计量第四部：《空间计量及ArcGis应用课程》
*        《空间计量第五部：空间计量经济学》
*        《空间计量第六部：《空间计量及Python应用》
*        《空间计量第七部：《空间计量及R应用》
*        《空间计量第八部：《高级空间计量经济学》
*-------------------------------------------------------------------------------



*             ==================================================
*                      双重差分方法：DID专题
*             ==================================================


*--------------------------------------------------------
**#  *-> 案例6、数量经济技术经济研究--2022年第9期
**#  *-> 论文复刻：专利质押、融资约束与企业劳动雇佣.pdf
*--------------------------------------------------------
   


**# 1、导入数据
   cd C:\Users\Metrics\Desktop\DID专题
   use 数据.dta, clear
   global c "Size Lev Roa Soe p_GDP Second_ind "


**# 2、描述性统计-表2（P7页）
   lxhsum Labor Hlabor Policy $c using 描述性统计.rtf,  /// 
   replace s(N mean(%13.3f) sd(%13.3f) min(%13.3f) median(%13.3f) max(%13.3f))

拓展知识点：

• 描述结果输出lxhsum
• 相关分析系数输出（lxhcorr）
• 结果输出（lxhreg）

   * 拓展知识、描述性统计输出（lxhsum）

* 命令语法：

  lxhsum [varlist] [if] [in] [using/] [, ///
        replace append Statistics(string) TItle(string) Alignment(string) PAGE(string)]

* 选项说明：

  * varlist
  * using
  * replace
  * append
  * statistics()：可以输入的全部统计量有：N mean sd min median max p1 p5 p10 p25 p75 p90 p95 p99。
  * 若为空，则默认输入N mean sd min median max。
  
  * title()：表格标题，若为空，则默认为Summary statistics。
  
  sysuse "auto.dta", clear    //打开auto美国1978年汽车行业横截面数据
  reg price mpg
  lxhsum    
  lxhsum price mpg 
  lxhsum price mpg, s(N sd(3) min(%9.2f) p99(%9.3fc)) 
  lxhsum price mpg, s(N sd(3) min(%9.2f) p99(%9.3fc)) ti(this is a title) 
  lxhsum price mpg using Tabls1.rtf, replace s(N sd(3) min(%9.2f) ) ti(this is a title) 
  
**# 2、相关分析系数输出（lxhcorr）

lxhcorr [varlist] [if] [in] [using/] [, ///
 replace append B(string) P(string) STARAUX NOSTAR ///
 CORR PWCORR TItle(string) Alignment(string) PAGE(string) ]


   * varlist：
   * using：
   * replace：
   * append：含义同上。
   * staraux和nostar：
   * corr和pwcorr：
   * 选项corr表示报告的相关系数与corr默认状态下一致（在计算相关系数前会先去除包含缺漏值的观察值）；
   * 选项pwcorr表示报告的相关系数与pwcorr默认状态下一致（在计算相关系数前不会先删除包含缺漏值）；若两者均为空，则默认导入corr。

  sysuse "auto.dta", clear    //打开auto美国1978年汽车行业横截面数据
  reg price mpg
  lxhcorr 
  lxhcorr price mpg 
  lxhcorr price mpg, b(2)
  lxhcorr price mpg, b(2) p(%9.3f)
  lxhcorr price mpg, b(2) p(%9.3f) staraux 
  lxhcorr price mpg, b(2) p(%9.3f) nostar 
  lxhcorr price mpg, b(2) p(%9.3f) corr
  lxhcorr price mpg, b(2) p(%9.3f) ti(this is a title) 
  lxhcorr price mpg using Myfile.rtf, replace b(2) p(%9.3f) 
  
  
 **# 3、结果输出（lxhreg）

 
**# 3、基准回归分析--**********3.1基准回归-表3**********（P8页）

   use 数据, clear
   xtset code year
   qui xtreg Labor Policy  i.year,fe vce(cluster code)    // 不带控制变量 //
   est store m1
   qui xtreg Labor Policy $c i.year ,fe vce(cluster code)
   est store m2
   qui xtreg Hlabor Policy  i.year ,fe vce(cluster code)
   est store m3
   qui xtreg Hlabor Policy $c  i.year ,fe vce(cluster code)
   est store m4
   
   lxhreg m1 m2 m3 m4   using 基准回归结果1.rtf, replace t(%13.3f) b(%13.3f) drop( *year* )

  
  * est_store_names：
  * using：含义同上。
  * replace：含义同上。
  * append：含义同上。
  * drop()：不报告输入变量的系数；drop(_cons)表示不需要报告常数项。
  * keep()：
  * varlabels(): 

基准回归

**# 3、基准回归分析--**********3.1基准回归-表3**********（P8页）

   use 数据, clear
   xtset code year
   qui xtreg Labor Policy  i.year,fe vce(cluster code)    // 不带控制变量 //
   est store m1
   qui xtreg Labor Policy $c i.year ,fe vce(cluster code)
   est store m2
   qui xtreg Hlabor Policy  i.year ,fe vce(cluster code)
   est store m3
   qui xtreg Hlabor Policy $c  i.year ,fe vce(cluster code)
   est store m4
   
   lxhreg m1 m2 m3 m4   using 基准回归结果1.rtf, replace t(%13.3f)b(%13.3f) drop( *year* )
   
   
   

DID有效性检验与其他稳健性测试

**# 4、**********3.2 DID有效性检验与其他稳健性测试**********

************平行趋势检验-图2******
   use 数据,clear
   xtset code year
   replace Policy_year=. if Policy_year==0
   gen yeardif=year-Policy_year
   
   xtset code year
     eventdd Labor $c i.year, timevar(yeardif) method(fe) cluster(code) level(95)  baseline(0)  ///
     graph_op( yline(0,lcolor(edkblue*0.8) ) ///
     xlabel(-6 "- 6" -5 "- 5" -4 "- 4" -3 "- 3"  -2 "-2"  -1 "-1"  0 "0"  1 "1"  2 "2"   3 "3"  4 "4" 5 "5" 6 "6") ///
     ylabel(-0.1(0.1)0.4,format (%7.1f))   ///
   xline(0 ,lwidth(vthin) lpattern(dash) lcolor(teal)) ///
    xtitle(`"{fontface "宋体": 政策时点}"', size(medium small)) /// 
    ytitle(`"{fontface "宋体": 回归系数}{stSerif: (Labor)}"', size(medium small)) ///
    legend(order(2 `"{fontface "宋体": 回归系数}"' 1 "95% confidence interval" ))  scheme(s1mono))
    
    
    graph export "平行趋势Labor.png", replace
 
 
    eventdd Hlabor $c i.year, timevar(yeardif) method(fe) cluster(code) level(95)  baseline(0)  ///
     graph_op( yline(0,lcolor(edkblue*0.8) ) ///
     xlabel(-6 "- 6" -5 "- 5" -4 "- 4" -3 "- 3"  -2 "-2"  -1 "-1"  0 "0"  1 "1"  2 "2"   3 "3"  4 "4" 5 "5" 6 "6") ///
     ylabel(-0.2(0.2)1,format (%7.1f))   ///
   xline(0 ,lwidth(vthin) lpattern(dash) lcolor(teal)) ///
    xtitle(`"{fontface "宋体": 政策时点}"', size(medium small)) /// 
    ytitle(`"{fontface "宋体": 回归系数}{stSerif: (HLabor)}"', size(medium small)) ///
    legend(order(2 `"{fontface "宋体": 回归系数}"' 1 "95% confidence interval" ))  scheme(s1mono))
    
    
    graph export "平行趋势HLabor.png", replace
 

预期效应与政策外生性检验

**# 5、**********************预期效应与政策外生性检验-表4***********
 ***********预期效应-表4（1）-（2）******
     use 数据, clear
     replace Policy_year=. if Policy_year==0
    gen Policy_psy=Policy_year-1
    
    gen Policy_pre1=0
    replace Policy_pre1=1 if year==Policy_psy & Treat==1
    
    
    xtset code year
    qui xtreg Labor Policy Policy_pre1 $c i.year, fe vce(cluster code)
    est store m1
    qui xtreg Hlabor Policy Policy_pre1 $c i.year, fe vce(cluster code)
    est store m2
    lxhreg m1 m2 using 预期效应pre1.rtf,replace t(%13.3f)b(%13.3f)  drop (*year*)
    

 
 ********保留政策前样本——政策时点替换为2007年表4（3）-（4）***********

    use 数据,clear
    keep if year<=2007
    gen Policy_ps=0
    replace Policy_ps=1 if Treat==1 & year==2007
    qui xtreg Labor Policy_ps  $c i.year,fe vce(cluster code)
    est store m1
    qui xtreg Hlabor Policy_ps  $c i.year,fe vce(cluster code)
    est store m2
    lxhreg  m1 m2  using 预期效应置换政策2007.rtf,replace t(%13.3f)b(%13.3f)  drop (*year*)



***政策随机性——生存分析（接受政策时点的时间长短）表4（5）-（6）***********

   use 数据, clear
   replace Policy_year=2015 if Policy_year==0
    bys code : gen count=_N
    drop if count<11 /*drop 8362 obs*/
   gen dif1=Policy_year-year
   // replace dif =5 if treat==0
   drop if dif1<0
   gen poo=0
   replace poo=1 if dif1==0
   gen yearcs=2005
   stset year, id(code) failure(poo==1) origin(yearcs) 
   
   xi:stcox Labor $c , nohr 
   est store model
   xi:stcox Hlabor $c , nohr 
   est store model1
   lxhreg model model1  using cox生存分析.rtf, replace t(%13.3f)b(%13.3f)  

6、安慰剂检验（随机系数法）

**# 6、安慰剂检验（随机系数法）
***************安慰剂检验（随机系数法）-图2（a）、（b）*************
   use 数据,clear
   duplicates drop code,force
   bro code year  if Treat==1  // 591个企业被定义为实验组，将用于被挑选//
   
   *-删除临时文件
   forvalue i=1/1000{
       erase  placebo`i'.dta 
   }
   
   clear
   set matsize 500
   
   * 系数矩阵
   mat b = J(500,1,0)
   * 标准误矩阵
   mat se = J(500,1,0)
   * P值矩阵
   mat t = J(500,1,0)
   
   forvalues i=1/500{ 
    * 循环1000次   
   
   use 数据,clear
   duplicates drop code,force
   sample 591, count   
   keep code  
   cap drop u
   gen u = uniform()
   sort u
   drop u
   gen j=_n
   save matchidt, replace
   
   use 数据,clear
   sample 591, count   //随机抽取591企业样本
   keep year  //得到所抽取样本的id编号 
   cap drop u
   gen u = uniform()
   sort u
   drop u
   gen j=_n
   save matchidy, replace
   merge 1:1 j using matchidt
   drop j _m
   rename year yearrandom
   merge 1:m code  using regress
   replace Treat = (_merge == 3)
   gen Postrandom=0
   replace Postrandom=1 if year>yearrandom
   
   tostring year ,replace
   //gen feffect=substr(indcd,1,2)+substr(year,1,4)
   //egen effect=group(feffect)
   destring year,replace
   global c "Size Lev Roa Soe p_GDP Second_ind "
   gen Policy1 = Treat*postrandom
   xtset code year
   qui xtreg Labor Policy1 $c i.year , fe vce(cluster code)
   g _b_random_rep78= _b[Policy1]  //提取x的回归系数
   g _se_random_rep78= _se[Policy1] //提取x的标准误
   
   qui xtreg Hlabor Policy1 $c i.year , fe vce(cluster code)
   g _b_random1_rep78= _b[Policy1]  //提取x的回归系数
   g _se_random1_rep78= _se[Policy1] //提取x的标准误
   keep _b_random_rep78 _se_random_rep78  _b_random1_rep78 _se_random1_rep78 
   duplicates drop _b_random_rep78 _b_random1_rep78, force
   save placebo`i', replace
    }
   *- 纵向合并1000次的系数和标准误 
   
   use placebo1, clear
   forvalue i=2/500{
       append using placebo`i' //纵向合并1000次回归的系数及标准误
   }  
   gen tvalue= _b_random_rep78/ _se_random_rep78
   gen p2=2*ttail(2910, abs(tvalue))
   gen tvalue1= _b_random1_rep78/ _se_random1_rep78
   gen p21=2*ttail(2910, abs(tvalue1))
   
   
   twoway (scatter p2 _b_random_rep78 ,yaxis(1)   xline( 0.145, lwidth(0.3) lp(solid)) ///
   xlabel(-0.10(0.05)0.15, format(%7.2f) grid) xtitle(Coefficient) ytitle(P value) ylabel(0(0.5)2, format(%7.2f)axis(1) gmin angle(horizontal)) /// 
   yline(0.1, lwidth(0.2) lp(shortdash) ) ///
   msymbol(smcircle_hollow) msize(tiny) legend(off)) (kdensity _b_random_rep78 ,yaxis(2) ytitle("Density",axis(2)) ylabel(0(2)10,  axis(2)  gmin angle(horizontal))scheme(s1mono) ) 
   graph export "安慰剂检验1.png", replace
   twoway (scatter p21 _b_random1_rep78 ,yaxis(1)   xline( 0.228, lwidth(0.3) lp(solid)) ///
   xlabel(-0.2(0.1)0.3, format(%7.1f) grid) xtitle(Coefficient) ytitle(P value) ylabel(0(0.5)2, format(%7.2f) axis(1) gmin angle(horizontal)) /// 
   yline(0.1, lwidth(0.2) lp(shortdash) ) ///
   msymbol(smcircle_hollow) msize(tiny) legend(off)) (kdensity _b_random1_rep78 ,yaxis(2) ytitle("Density",axis(2)) ylabel(0(1)5, axis(2)  gmin angle(horizontal))scheme(s1mono)) 
   graph export "安慰剂检验2.png", replace
   

*******安慰剂检验（事件年前推一年两年）-附录表A2********
   use 数据,clear
   gen Policy_current=0
   replace Policy_current=1 if b2008==1 & year>2008
   gen Policy_pre1=0
   replace Policy_pre1=1 if b2008==1 & year>2007
   gen Policy_pre2=0
   replace Policy_pre2=1 if b2008==1 & yea>2006
   
   replace Policy_current=1 if b2009==1 & year>2009
   replace Policy_pre1=1 if b2009==1 & year>2008
   replace Policy_pre2=1 if b2009==1 & year>2007
   
   replace Policy_current=1 if b2010==1 & yea>2010
   replace Policy_pre1=1 if b2010==1 & year>2009
   replace Policy_pre2=1 if b2010==1 & year>2008
   keep if year<2011
   xtset code year
   qui xtreg Labor Policy_pre1 $c i.year,fe vce(cluster code)
   est store m1
   qui xtreg Hlabor Policy_pre1 $c i.year,fe vce(cluster code)
   est store m2
   qui xtreg Labor Policy_pre2 $c i.year,fe vce(cluster code)
   est store m3
   qui xtreg Hlabor Policy_pre2 $c i.year,fe vce(cluster code)
   est store m4
   lxhreg m1 m2 m3 m4 using 前推一年两年安慰剂.rtf,replace t(%13.3f)b(%13.3f) drop (*year*)

PSM--DID分析

**#  7、PSM--DID分析

**************PSM-DID估计-表5*****************

   use 数据,clear
   preserve
   keep if year==2007
   drop if b2009==1|b2010==1
   save sample2007,replace
   restore
   preserve
   keep if year==2008
   drop if b2008==1|b2010==1
   save sample2008,replace
   restore
   preserve
   keep if year==2009
   drop if b2008==1|b2009==1
   save sample2009,replace
   restore

*******1:3匹配*********
   use sample2007,clear
   global c "Size Lev Roa Soe p_GDP Second_ind "
   cap drop u
   gen u = uniform()
   sort u
   psmatch2 Treat $c, common n(3) qui  
   pstest, both
   
******核密度图——共同支撑检验-见附录图A1*****
//-(a)before matching: 匹配前的密度函数图//
twoway (kdensity _pscore if _treat==1,lp(solid) lw(*2.5))      ///
               (kdensity _pscore if _treat==0,lp(dash)  lw(*2.5)),     ///
                        ytitle("Density")                                      ///
                        ylabel(,angle(0))                                      ///
            xtitle("Propensity Score")                             ///
                        xscale(titlegap(2))                                    ///
            xlabel(0(0.05)0.3, format(%7.2f))                       ///
            legend(label(1 "treat") label(2 "control") row(2)  ///
                   position(3) ring(0))                            ///
            scheme(s1mono) 
graph export "核密度2007pre.png", replace

*-(b)after matching: 匹配后的密度函数图
        twoway (kdensity _pscore if _treat==1,lp(solid) lw(*2.5))         ///
               (kdensity _pscore if _treat==0&_wei!=.,lp(dash) lw(*2.5)), ///
               ytitle("Density") ylabel(,angle(0))                    ///
               xtitle("Propensity Score") xscale(titlegap(2))         ///
               xlabel(0(0.05)0.3, format(%7.2f))                       ///
               legend(label(1 "treat") label(2 "control") row(2)  ///
       position(3) ring(0))                            ///
               scheme(s1mono) 
 graph export "核密度2007post.png", replace  
 
  save ps2007,replace
  keep if _weight !=.
  save psm2007,replace

  use sample2008,clear
  cap drop u
  gen u = uniform()
  sort u
  psmatch2 Treat $c , common n(3) qui  
  pstest, both

******核密度图——共同支撑检验-附录图A2*****
//-(a)before matching: 匹配前的密度函数图//
twoway (kdensity _pscore if _treat==1,lp(solid) lw(*2.5))      ///
               (kdensity _pscore if _treat==0,lp(dash)  lw(*2.5)),     ///
                        ytitle("Density")                                      ///
                        ylabel(,angle(0))                                      ///
            xtitle("Propensity Score")                             ///
                        xscale(titlegap(2))                                    ///
            xlabel(0(0.05)0.25, format(%7.2f))                       ///
            legend(label(1 "treat") label(2 "control") row(2)  ///
                   position(3) ring(0))                            ///
            scheme(s1mono) 
graph export "核密度2008pre.png", replace

*-(b)after matching: 匹配后的密度函数图
        twoway (kdensity _pscore if _treat==1,lp(solid) lw(*2.5))         ///
               (kdensity _pscore if _treat==0&_wei!=.,lp(dash) lw(*2.5)), ///
               ytitle("Density") ylabel(,angle(0))                    ///
               xtitle("Propensity Score") xscale(titlegap(2))         ///
               xlabel(0(0.05)0.25, format(%7.2f))                       ///
               legend(label(1 "treat") label(2 "control") row(2)  ///
       position(3) ring(0))                            ///
               scheme(s1mono) 
 graph export "核密度2008post.png", replace                       
 save ps2008,replace
 keep if _weight !=.
 save psm2008,replace
 
 use sample2009,clear
 cap drop u
 gen u = uniform()
 sort u
 psmatch2 Treat $c, common n(3) qui
   pstest, both
 
******核密度图——共同支撑检验-附录图A3*****
//-(a)before matching: 匹配前的密度函数图//
twoway (kdensity _pscore if _treat==1,lp(solid) lw(*2.5))      ///
               (kdensity _pscore if _treat==0,lp(dash)  lw(*2.5)),     ///
                        ytitle("Density")                                      ///
                        ylabel(,angle(0))                                      ///
            xtitle("Propensity Score")                             ///
                        xscale(titlegap(2))                                    ///
            xlabel(0(0.1)0.6, format(%7.1f))                       ///
            legend(label(1 "treat") label(2 "control") row(2)  ///
                   position(3) ring(0))                            ///
            scheme(s1mono) 
graph export "核密度2009pre.png", replace

*-(b)after matching: 匹配后的密度函数图
        twoway (kdensity _pscore if _treat==1,lp(solid) lw(*2.5))         ///
               (kdensity _pscore if _treat==0&_wei!=.,lp(dash) lw(*2.5)), ///
               ytitle("Density") ylabel(,angle(0))                    ///
               xtitle("Propensity Score") xscale(titlegap(2))         ///
               xlabel(0(0.1)0.5, format(%7.1f))                       ///
               legend(label(1 "treat") label(2 "control") row(2)  ///
       position(3) ring(0))                            ///
               scheme(s1mono) 
 graph export "核密度2009post.png", replace                       
save ps2009,replace
keep if _weight  !=.
save psm2009,replace
use psm2007,clear
append using psm2008
append using psm2009
duplicates drop code,force 
keep code 
save psmpipei3,replace

**#  8、PSM--DID分析
**********PSM-DID1:3估计-表5（1）-（2）列*******
use 数据,clear
merge m:1 code using psmpipei3
keep if _m==3
drop  _merge
global c "Size Lev Roa Soe p_GDP Second_ind"
xtset code year
qui xtreg Labor Policy $c i.year ,fe vce(cluster code)
est store ind1
qui xtreg Hlabor Policy $c i.year ,fe vce(cluster code)
est store ind2
lxhreg ind1 ind2 using psm1比3.rtf,replace t(%13.3f)b(%13.3f) drop( *year* )



**************PSM1:5***********
use sample2007,clear
global c "Size Lev Roa Soe p_GDP Second_ind "
cap drop u
gen u = uniform()
sort u
psmatch2 Treat $c, common n(5) qui  
pstest, both

******核密度图——共同支撑检验-附录图A4*****
//-(a)before matching: 匹配前的密度函数图//
twoway (kdensity _pscore if _treat==1,lp(solid) lw(*2.5))      ///
               (kdensity _pscore if _treat==0,lp(dash)  lw(*2.5)),     ///
                        ytitle("Density")                                      ///
                        ylabel(,angle(0))                                      ///
            xtitle("Propensity Score")                             ///
                        xscale(titlegap(2))                                    ///
            xlabel(0(0.05)0.3, format(%7.2f))                       ///
            legend(label(1 "treat") label(2 "control") row(2)  ///
                   position(3) ring(0))                            ///
            scheme(s1mono) 
graph export "psm1比5核密度2007pre.png", replace

*-(b)after matching: 匹配后的密度函数图
        twoway (kdensity _pscore if _treat==1,lp(solid) lw(*2.5))         ///
               (kdensity _pscore if _treat==0&_wei!=.,lp(dash) lw(*2.5)), ///
               ytitle("Density") ylabel(,angle(0))                    ///
               xtitle("Propensity Score") xscale(titlegap(2))         ///
               xlabel(0(0.05)0.3, format(%7.2f))                       ///
               legend(label(1 "treat") label(2 "control") row(2)  ///
       position(3) ring(0))                            ///
               scheme(s1mono) 
 graph export "psm1比5核密度2007post.png", replace                       
save ps52007,replace
keep if _weight !=.
save psm52007,replace

use sample2008,clear
cap drop u
gen u = uniform()
sort u
psmatch2 Treat $c , common n(5) qui  
pstest, both

******核密度图——共同支撑检验-附录图A5*****
//-(a)before matching: 匹配前的密度函数图//
twoway (kdensity _pscore if _treat==1,lp(solid) lw(*2.5))      ///
               (kdensity _pscore if _treat==0,lp(dash)  lw(*2.5)),     ///
                        ytitle("Density")                                      ///
                        ylabel(,angle(0))                                      ///
            xtitle("Propensity Score")                             ///
                        xscale(titlegap(2))                                    ///
            xlabel(0(0.05)0.25, format(%7.2f))                       ///
            legend(label(1 "treat") label(2 "control") row(2)  ///
                   position(3) ring(0))                            ///
            scheme(s1mono) 
graph export "psm1比5核密度2008pre.png", replace

*-(b)after matching: 匹配后的密度函数图
        twoway (kdensity _pscore if _treat==1,lp(solid) lw(*2.5))         ///
               (kdensity _pscore if _treat==0&_wei!=.,lp(dash) lw(*2.5)), ///
               ytitle("Density") ylabel(,angle(0))                    ///
               xtitle("Propensity Score") xscale(titlegap(2))         ///
               xlabel(0(0.05)0.25, format(%7.2f))                       ///
               legend(label(1 "treat") label(2 "control") row(2)  ///
       position(3) ring(0))                            ///
               scheme(s1mono) 
 graph export "psm5核密度2008post.png", replace                       
save ps52008,replace
keep if _weight !=.
save psm52008,replace

use sample2009,clear
cap drop u
gen u = uniform()
sort u
psmatch2 Treat $c, common n(5) qui
  pstest, both

******核密度图——共同支撑检验-附录图A6*****
//-(a)before matching: 匹配前的密度函数图//
twoway (kdensity _pscore if _treat==1,lp(solid) lw(*2.5))      ///
               (kdensity _pscore if _treat==0,lp(dash)  lw(*2.5)),     ///
                        ytitle("Density")                                      ///
                        ylabel(,angle(0))                                      ///
            xtitle("Propensity Score")                             ///
                        xscale(titlegap(2))                                    ///
            xlabel(0(0.1)0.6, format(%7.1f))                       ///
            legend(label(1 "treat") label(2 "control") row(2)  ///
                   position(3) ring(0))                            ///
            scheme(s1mono) 
graph export "核密度2009pre.png", replace

*-(b)after matching: 匹配后的密度函数图
        twoway (kdensity _pscore if _treat==1,lp(solid) lw(*2.5))         ///
               (kdensity _pscore if _treat==0&_wei!=.,lp(dash) lw(*2.5)), ///
               ytitle("Density") ylabel(,angle(0))                    ///
               xtitle("Propensity Score") xscale(titlegap(2))         ///
               xlabel(0(0.1)0.5, format(%7.1f))                       ///
               legend(label(1 "treat") label(2 "control") row(2)  ///
       position(3) ring(0))                            ///
               scheme(s1mono) 
 graph export "核密度2009post.png", replace                       
save ps52009,replace
keep if _weight  !=.
save psm52009,replace
use psm52007,clear
append using psm52008
append using psm52009
duplicates drop code,force
keep code 
save psmpipei5,replace

**********PSM-DID1:5估计-表5（3）-（4）列*******
use 数据,clear
merge m:1 code using psmpipei5
keep if _m==3
drop  _merge
global c "Size Lev Roa Soe p_GDP Second_ind "
xtset code year
qui xtreg Labor Policy $c i.year ,fe vce(cluster code)
est store ind1
qui xtreg Hlabor Policy $c i.year ,fe vce(cluster code)
est store ind2
lxhreg ind1 ind2 using psm1比5.rtf,replace t(%13.3f)b(%13.3f) drop( *year* )


*********************全样本PSM匹配——附录表A9-A10***********
************1:3******
use 数据,clear
global c "Size Lev Roa Soe p_GDP Second_ind "
cap drop u
gen u = uniform()
sort u
psmatch2 Treat $c, common n(3) qui  
pstest, both

******核密度图——共同支撑检验-附录图A7*****
//-(a)before matching: 匹配前的密度函数图//
twoway (kdensity _pscore if _treat==1,lp(solid) lw(*2.5))      ///
               (kdensity _pscore if _treat==0,lp(dash)  lw(*2.5)),     ///
                        ytitle("Density")                                      ///
                        ylabel(,angle(0))                                      ///
            xtitle("Propensity Score")                             ///
                        xscale(titlegap(2))                                    ///
            xlabel(0(0.1)0.6, format(%7.2f))                       ///
            legend(label(1 "treat") label(2 "control") row(2)  ///
                   position(3) ring(0))                            ///
            scheme(s1mono) 
graph export "psm1比3核密度全样本pre.png", replace

*-(b)after matching: 匹配后的密度函数图
        twoway (kdensity _pscore if _treat==1,lp(solid) lw(*2.5))         ///
               (kdensity _pscore if _treat==0&_wei!=.,lp(dash) lw(*2.5)), ///
               ytitle("Density") ylabel(,angle(0))                    ///
               xtitle("Propensity Score") xscale(titlegap(2))         ///
               xlabel(0(0.1)0.5, format(%7.2f))                       ///
               legend(label(1 "treat") label(2 "control") row(2)  ///
       position(3) ring(0))                            ///
               scheme(s1mono) 
 graph export "psm1比3核密度全样本post.png", replace                       
save ps3quan,replace
keep if _weight !=.
save psm3quan,replace

********************全样本1:3匹配PSM-DID估计-附录表A11（1）-（2）*****

use psm3quan, clear
global c "Size Lev Roa Soe p_GDP Second_ind "
xtset code year
qui xtreg Labor Policy $c i.year ,fe vce(cluster code)
est store ind1
qui xtreg Hlabor Policy $c i.year ,fe vce(cluster code)
est store ind2
lxhreg ind1 ind2 using psm1比31.rtf,replace t(%13.3f)b(%13.3f) drop( *year* )

************1:5*********
use 数据,clear
global c "Size Lev Roa Soe p_GDP Second_ind "
cap drop u
gen u = uniform()
sort u
psmatch2 Treat $c, common n(5) qui  
pstest, both

******核密度图——共同支撑检验-附录图A8*****
//-(a)before matching: 匹配前的密度函数图//
twoway (kdensity _pscore if _treat==1,lp(solid) lw(*2.5))      ///
               (kdensity _pscore if _treat==0,lp(dash)  lw(*2.5)),     ///
                        ytitle("Density")                                      ///
                        ylabel(,angle(0))                                      ///
            xtitle("Propensity Score")                             ///
                        xscale(titlegap(2))                                    ///
            xlabel(0(0.1)0.6, format(%7.2f))                       ///
            legend(label(1 "treat") label(2 "control") row(2)  ///
                   position(3) ring(0))                            ///
            scheme(s1mono) 
graph export "psm1比5核密度全样本pre.png", replace

*-(b)after matching: 匹配后的密度函数图
        twoway (kdensity _pscore if _treat==1,lp(solid) lw(*2.5))         ///
               (kdensity _pscore if _treat==0&_wei!=.,lp(dash) lw(*2.5)), ///
               ytitle("Density") ylabel(,angle(0))                    ///
               xtitle("Propensity Score") xscale(titlegap(2))         ///
               xlabel(0(0.1)0.5, format(%7.1f))                       ///
               legend(label(1 "treat") label(2 "control") row(2)  ///
       position(3) ring(0))                            ///
               scheme(s1mono) 
 graph export "psm1比5核密度全样本post.png", replace                       
save ps5quan,replace
keep if _weight !=.
save psm5quan,replace

********************全样本1:5匹配PSM-DID估计-附录表A11（3）-（4）*****
use psm5quan, clear
global c "Size Lev Roa Soe p_GDP Second_ind "
xtset code year
qui xtreg labor policy $c i.year ,fe vce(cluster code)
est store ind1
qui xtreg hlabor policy $c i.year ,fe vce(cluster code)
est store ind2
lxhreg ind1 ind2 using psm1比51.rtf,replace t(%13.3f)b(%13.3f) drop( *year* )

更多内容请查看《数量经济技术经济研究》