Python做因果推断的方法示例, 解读与code

凡是搞计量经济的，都关注这个号了

邮箱：[e-mail]

所有计量经济圈方法论丛的code程序, 宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.

前些日，咱们圈子引荐了①“实证研究中用到的200篇文章, 社科学者常备toolkit”、②实证文章写作常用到的50篇名家经验帖, 学者必读系列、③过去10年AER上关于中国主题的Articles专辑、④AEA公布2017-19年度最受关注的十大研究话题, 给你的选题方向，受到各位学者欢迎和热议，很多博士生导师纷纷推荐给指导的学生参阅。

之前，咱们小组引荐了1.Python中的计量回归模块及所有模块概览，2.空间计量软件代码资源集锦(Matlab/R/Python/SAS/Stata), 不再因空间效应而感到孤独，3.回归、分类与聚类：三大方向剖解机器学习算法的优缺点（附Python和R实现），4.机器学习第一书, 数据挖掘, 推理和预测，5.从线性回归到机器学习, 一张图帮你文献综述，6.11种与机器学习相关的多元变量分析方法汇总，7.机器学习和大数据计量经济学, 你必须阅读一下这篇，8.机器学习与Econometrics的书籍推荐, 值得拥有的经典，9.机器学习在微观计量的应用最新趋势: 大数据和因果推断，10.机器学习在微观计量的应用最新趋势: 回归模型，11.机器学习对计量经济学的影响, AEA年会独家报道，12.机器学习，可异于数理统计，13.关于机器学习的领悟与反思等，受到很多年轻学者的推崇和积极评价。

上一日，咱们引荐了“因果推断研究小组惊动了阿里巴巴！”，受到了很多业界和学界人士的热烈欢迎。今天，咱们引荐“Python做因果推断的方法示例, 解读与code”，让各位学者了解一下Python在因果推断中的使用情况。Python与Matlab、R、Stata等软件某种程度上相似，通过pip install安装packages，然后import这个package里的程序进行模型参数估计；而且，很多package开发者都会附上docs，里面有或简或繁的操作示例。如此看来，只是换了一套工具做模型估计，而计量思想都是一致的，因此这对经常关注圈子和社群的学者不会太难。

下面是咱们使用Python做的倾向得分匹配(PSM倾向匹配详细步骤和程序, 让Match进行到底，2.执行PSM的标准操作步骤, 不要再被误导了，3.PSM,RDD,Heckman,Panel模型的操作程序，4.逐年匹配的PSM-DID操作策略, 多时点panel政策评估利器，5.PSM-DID, DID实证完整程序百科全书式的宝典，6.分位数DID, PSMDID, 政策前协变量平衡性检验操作步骤和案例，7.PSM和马氏匹配已淘汰, '遗传匹配'成因果推断匹配之王，8.广义PSM,连续政策变量因果识别的不二利器)、双稳健估计(因果效应中的双重稳健估计值, 让你的估计精准少误)、OLS估计(MIT广为流传的政策"处理效应"读本)、分层估计(1.粗化精确匹配CEM文献推荐, 程序步骤可复制，2.无需检查协变量平衡性的CEM匹配, 到底有多神气和与众不同)，皆出自causalinference程序。而对于经常使用的回归分析，各位学者可以参看这个模块“Python中的计量回归模块及所有模块概览”。

Python中的因果推断程序包介绍

Causal Inference in Python, or Causalinference in short, is a software package that implements various statistical and econometric methods used in the field variously known as Causal Inference, Program Evaluation, or Treatment Effect Analysis.

重要链接如下：

The official website for Causalinference is

https://causalinferenceinpython.org

The most current development version is hosted on GitHub at

https://github.com/laurencium/causalinference

Package source and binary distribution files are available from PyPi at

https://pypi.python.org/pypi/causalinference

For an overview of the main features and uses of Causalinference, please refer to

https://github.com/laurencium/causalinference/blob/master/docs/tex/vignette.pdf

A blog dedicated to providing a more detailed walkthrough of Causalinference and the econometric theory behind it can be found at

https://laurencewong.com/software/

该程序包主要特征：

1.Assessment of overlap in covariate distributions

2.Estimation of propensity score

3.Improvement of covariate balance through trimming

4.Subclassification on propensity score

5.Estimation of treatment effects via matching, blocking, weighting, and least squares

程序包说明文档

长按以上二维码即可阅读文档

长按以上二维码即可阅读示例

对Python做计量估计感兴趣的学者，可以到社群或相关研究小组交流讨论。

拓展性阅读

下面这些短链接文章属于合集，可以收藏起来阅读，不然以后都找不到了。

2年，计量经济圈公众号近1000篇文章，

Econometrics Circle

数据系列：空间矩阵 | 工企数据 | PM2.5 | 市场化指数 | CO2数据 |  夜间灯光 | 官员方言  | 微观数据 |

计量系列：匹配方法 | 内生性 | 工具变量 | DID | 面板数据 | 常用TOOL | 中介调节 | 时间序列 | RDD断点 | 合成控制 | 

数据处理：Stata | R | Python | 缺失值 | CHIP/ CHNS/CHARLS/CFPS/CGSS等 |

干货系列：能源环境 | 效率研究 | 空间计量 | 国际经贸 | 计量软件 | 商科研究 | 机器学习 | SSCI | CSSCI | SSCI查询 |

计量经济圈组织了一个计量社群，有如下特征：热情互助最多、前沿趋势最多、社科资料最多、社科数据最多、科研牛人最多、海外名校最多。因此，建议积极进取和有强烈研习激情的中青年学者到社群交流探讨，始终坚信优秀是通过感染优秀而互相成就彼此的。