查看原文
其他

资源共享0128丨【复现】广义倾向得分匹配文章、数据、代码和相关教学视频免费下载!

小猫 学术严选 2022-06-09


广义倾向得分匹配的方法,其核心思路是找到在处理组与控制组中最相近的个体。

传统的倾向得分匹配模型利用“反事实估计”进行政策效果的评估,主要包含协变量、控制变量、结果变量,简单地进行一个回顾:
(1)利用logit模型估计倾向得分,此时是协变量向控制变量做回归;
(2)K近邻匹配、核匹配、半径匹配算法找到相邻样本;
(3)T检验确认控制组与处理组间的差异,得出显著性水平。
但传统倾向得分的问题在于logit模型只允许二分离散变量,也就是说处理组取1,控制组取0,但这样会出现很大问题,组内异质性不仅导致共同支撑假定可能受到挑战,更让处理效应估计不准确。显然,包含更细致信息的模型更接近现实情况。

广义倾向得分匹配继承了倾向得分匹配的核心思想,由Imben(2000)、Hirano and Imbens(2004)发展,相比倾向得分匹配模型,其最大的优势就在于突破了PSM对处理变量必须是二元选择变量的约束,同时保留PSM消除处理组与控制组在接受政策处理前的异质性导致的测量误差,即自选择效应的特性。

【以上来源:知乎作者(王二來自新世界)】

为便于大家学习和使用广义倾向得分匹配法,小编给大家找来了发表在《中国工业经济》上一篇论文的代码和程序作为练习——“减碳”政策制约了中国企业出口吗(原文、Stata代码和数据),以及相应的教学视频。


教学视频



小伙伴们还在等什么呢?需要的快来下载吧!!!


资源下载获取方式

关注本公众号,发送关键词“20220128至公众号,即可获得免费下载方式。


由于公众号关键词设置数量限制,本号资源免费下载有效时间为6个月,请于2022年7月31日前获取资源


如资源已过期,请回复20210000,或点击“阅读原文",加入学术严选社群



版权声明

本次资源来自网络,如有侵权,请联系本号删除





年鉴类


面板数据类

绘图类

办公资料

视频教程、学习资料

生物信息


其他


点击阅读原文,加入学术严选社群、快速获取资源

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存