Stata模拟：控制变量！控制变量！Good-Controls-Bad-Controls

Original 连享会连享会 2023-10-24

收录于合集

#Stata命令 335 个

#stata编程 3 个

👇 连享会 · 推文导航 | www.lianxh.cn

🍎 Stata：Stata基础 | Stata绘图 | Stata程序 | Stata新命令
📘 论文：数据处理 | 结果输出 | 论文写作 | 数据分享
💹 计量：回归分析 | 交乘项-调节 | IV-GMM | 时间序列 | 面板数据 | 空间计量 | Probit-Logit | 分位数回归
⛳ 专题：SFA-DEA | 生存分析 | 爬虫 | 机器学习 | 文本分析
🔃 因果：DID | RDD | 因果推断 | 合成控制法 | PSM-Matching
🔨 工具：工具软件 | Markdown | Python-R-Stata
🎧 课程：公开课-直播 | 计量专题 | 关于连享会

连享会 · 2022 空间计量专题

连享会 · 2022 面板数据因果推断专题

作者：李烨阳 (浙江大学)
邮箱：li_yeyang95@163.com

温馨提示： 文中链接在微信中无法生效。请点击底部「阅读原文」。或直接长按/扫描如下二维码，直达原文：

编者按：本文主要整理自下文，特此致谢！
Source：Cinelli, C., A. Forney, J. Pearl, 2022, A crash course in good and bad controls, Sociological Methods & Research, Forthcoming. -PDF- -Link- -R- -Stata-

1. 导言
2. 良好的控制变量

2.1 解释变量和被解释变量的混淆情形
2.2 解释变量和中介变量的混淆情形
2.3 处理后变量一定是坏的控制变量吗

3. 糟糕的控制变量

3.1 处理前变量一定是好的控制变量吗
3.2 警惕阻断因果路径
3.3 警惕打开对撞变量所在路径

4. 中性的控制变量

4.1 可能提高精度的情形
4.2 可能降低精度的情形

5. 相关推文

1. 导言

在连享会推文「控制变量！控制变量！Good-Controls-Bad-Controls」中，我们已经介绍了如何使用因果图 (有向无环图，DAG) 筛选控制变量的理论知识，以及几种社会科学研究中较为典型的良好控制、糟糕控制和中性控制情形。在本文中，我们将使用 Stata 软件，对前文提到的 18 中模型进行模拟分析，以检验理论是否成立。

2. 良好的控制变量

为了方便读者阅读，本文模拟分析的顺序与「控制变量！控制变量！Good-Controls-Bad-Controls」一致，模型的编号与原文一致。

Stata 社区发布的 dag 程序包提供了对有向无环图进行模拟分析的外部命令。但由于这一程序包主要是面向流行病学研究设计的，它生成的模拟变量为 0-1 变量。而在社会科学研究中，我们常常需要使用到连续变量，同时为与原文的 R 语言模拟分析保持一致，本文并没有直接使用该程序包，感兴趣的读者可以自行尝试。

2.1 解释变量和被解释变量的混淆情形

模型 1-3 是存在同时影响解释变量和被解释变量的混淆的情形，我们已经知道，图中的都是良好的控制变量。

首先我们对模型 1 进行模拟分析。

第一步，先根据 DAG 图中变量间的关系，定义模型 1 的模拟程序：每次模拟我们随机生成 10000 个样本，是一个符合标准正态分布的随机变量，等于加上一个符合标准正态分布的随机变量，等于加再加上一个符合标准正态分布的随机变量。然后进行两次回归估计，第一次不控制变量，第二次控制变量，并分别记录每次回归系数估计结果的点估计和 95% 置信区间的上界和下界。

*- step 1 定义模型的数值模拟程序

	* model 1 模拟程序
	capture program drop model_1 // 模型命名为model_1, 若有更换注意修改
	program model_1,rclass       // 若有更换注意修改
	clear
	set obs 10000

	* 此部分为针对不同模型结构需要修改的部分
	***************************
	* model 1: DAG结构
	gen z = rnormal()
	gen x = z + rnormal()
	gen y = x + z + rnormal()
	***************************

	* 不控制 z
	reg y x
	mat A=r(table)
	return scalar mean0=A[1,1]
	return scalar low0=A[5,1]
	return scalar up0=A[6,1]
    
	* 控制 z
	reg y x z 
	mat A=r(table)
	return scalar mean1=A[1,1]
	return scalar low1=A[5,1]
	return scalar up1=A[6,1]
	end

第二步，进行重复模拟分析。我们进行 100 次模拟，为了保证结果可复现，设定了种子值。

*- step 2 模拟模块
	clear
	set seed 11
	simulate mean0=r(mean0) low0=r(low0) up0=r(up0) ///
	mean1=r(mean1) low1=r(low1) up1=r(up1), reps(100): model_1 // 对 model_1 进行 100 次模拟, 若有更换注意修改
	gen id=_n

第三步，我们对模拟结果进行可视化。左图为不控制变量的情形，右图为控制变量的情形。横坐标是 100 次模拟的序列，纵坐标是系数的估计值。蓝色附加线为 100 次模拟的系数点估计值的均值，红色附加线为真实的数据模拟设定的系数，本文中所有模型均设置为 1。

*- step 3 模拟结果可视化

	set scheme s1color //设定绘图模板
	sum mean0
	local b_mean `r(mean)'
	twoway (scatter mean0 id, ms(Oh) mc(gs5)) (rcap low0 up0 id, lc(gs5)), ///
	ytitle("E(β{sub:x}_hat)") legend(order(1 "E（β{sub:x}_hat）点估计" 2 "E（β{sub:x}_hat）置信区间")) ///
	yline(`b_mean', lcolor(blue)) 
	graph save model_1a.gph, replace //图名model_1a，若有更换注意修改

	sum mean1
	local b_mean `r(mean)'
	twoway (scatter mean1 id, ms(Oh) mc(gs5)) (rcap low1 up1 id, lc(gs5)), ///
	ytitle("E(β{sub:x}_hat|z)") legend(order(1 "E（β{sub:x}_hat|z）点估计" 2 "E（β{sub:x}_hat|z）置信区间")) ///
	yline(`b_mean', lcolor(blue))  yline(1, lcolor(red)) 
	graph save model_1b.gph, replace  //图名model_1b，若有更换注意修改
	
	graph combine model_1a.gph  model_1b.gph , /// //若有更换注意修改图名
	xsize(10) ysize(5) title("Model 1") //图形合并，图标题名Model 1，若有更换注意修改

结果如下图所示。可以看出，在不控制的情况下，100 次模拟的估计系数均值约为 1.5，且从图中可以看出，95% 置信区间均没有包括真实系数，估计系数是有偏的。而引入了控制变量之后，100 次模拟的估计系数均值与真实值非常接近，且绝大部分的单次模拟的 95% 置信区间均包含真实值。因此数值模拟结果支持了模型 1 中的是良好的控制变量这一观点。

为了节约篇幅，在后续的模型数值模拟介绍中，只给出步骤 1 定义模型的数值模拟程序步骤中 DAG 结构部分的代码，读者只需要将这一部分代码替换到上述例子的 step 1 中同样用一组星号分割开的位置中即可，并更改相应的模型命名、图名和图的标题名，其余部分毋须改动。当然，大家也可以通过点击「good_bad_controls_simulation.do」，下载完整的模拟代码。

模型 2 DAG 结构部分的代码为：

	***************************
	* model 2: DAG 结构
	gen u = rnormal()
	gen z = u + rnormal()
	gen x = z + rnormal()
	gen y = x + u + rnormal()
	***************************

模型 2 模拟结果为如下图所示，同样印证了是一个好的控制变量。

模型 3 DAG 结构部分的代码为：

	***************************
	* model 3: DAG结构
	gen u = rnormal()
	gen z = u + rnormal()
	gen x = u + rnormal()
	gen y = x + z + rnormal()
	***************************

其结果同样与理论一致。

2.2 解释变量和中介变量的混淆情形

模型 4、5、6 是存在同时影响解释变量和中介变量的混淆的情形，此三种情况同样是良好的控制变量。

下面分别给出模型 4、5、6 DAG 结构部分的代码，模拟分析结果均显示，不控制时存在混淆偏差，而控制了之后都可以得到系数无偏的估计。

	***************************
	* model 4: DAG 结构 
	gen z = rnormal()
	gen x = z + rnormal()
	gen m = x + z + rnormal()
	gen y = m + rnormal()
	***************************

	***************************
	* model 5: DAG 结构 
	gen u = rnormal() 
	gen z = u + rnormal()
	gen x = z + rnormal()
	gen m = x + u + rnormal()
	gen y = m + rnormal()
	***************************

	***************************
	* model 6: DAG 结构 
	gen u = rnormal() 
	gen z = u + rnormal()
	gen x = u + rnormal()
	gen m = x + z + rnormal()
	gen y = m + rnormal()
	***************************

模型 4-6 的模拟结果为：

2.3 处理后变量一定是坏的控制变量吗

虽然大部分情况下处理后变量是坏的控制变量，但也有例外。例如模型 15 中，如果以为条件是给定的前提，此时是一个好的控制变量。

定义模型 15 的数值模拟程序为：

*- step 1 定义模型的数值模拟程序

	* model 15 模拟程序
	capture program drop model_15 
	program model_15,rclass 
	clear
	set obs 10000
	
	***************************
	* model 15: DAG 结构 
	gen x = rnormal() 
	gen u = rnormal() 
	gen z = x + rnormal()
	gen w = z + u + rnormal()
	gen y = x -2*u + rnormal()
	***************************

	* 控制 w, 不控制 z
	reg y x w
	mat A=r(table)
	return scalar mean0=A[1,1]
	return scalar low0=A[5,1]
	return scalar up0=A[6,1]

	* 控制 w 和 z
	reg y x w z 
	mat A=r(table)
	return scalar mean1=A[1,1]
	return scalar low1=A[5,1]
	return scalar up1=A[6,1]
	end

模拟结果如下图所示，左图为只控制，此时会造成选择性偏误，而当控制的同时也控制，由于控制对撞变量而开放的路径又重新截断了，可以获得无偏的估计。

3. 糟糕的控制变量

3.1 处理前变量一定是好的控制变量吗

模型 7 是一个偏误的典型例子，这里的虽然是处理前变量，但却是糟糕的变量。

模型 7 (a) DAG 结构部分的代码为：

	***************************
	* model 7: DAG结构 
	gen u1 = rnormal() 
	gen u2 = rnormal() 
	gen z = u1 + u2 + rnormal()
	gen x = u1 + rnormal()
	gen y = x -4*u2 + rnormal()
	***************************

模拟结果如下图所示，由于是一个对撞变量，在不控制时可以获得无偏估计，控制反而会引入非因果的相关性。

模型 10 同样是一个控制变量虽然是处理前变量，但仍然是糟糕的控制变量的例子。

模型 10 DAG 结构部分的代码为：

	***************************
	* model 10: DAG结构 
	gen z = rnormal() 
	gen u = rnormal() 
	gen x = -2*z + u + rnormal()
	gen y = x + 2*u + rnormal()
	***************************

模拟结果如下图所示，在不增加控制变量时，由于有混淆会造成估计偏差，100 次模拟的估计系数均值约为 1.3，但是这里引入控制变量后，不仅不能截断后门路径，还会放大偏差，100 次模拟的估计系数均值约为 2.0。

3.2 警惕阻断因果路径

模型 11、12 是由于控制中介变量或其子变量造成过度控制偏差的典型范例。

模型 11、12 DAG 结构部分的代码分别为：

	***************************
	* model 11: DAG 结构 
	gen x = rnormal() 
	gen z = x + rnormal() 
	gen y = z + rnormal()
	***************************

    ***************************
	* model 12: DAG 结构 
	gen x = rnormal() 
	gen m = x + rnormal() 
	gen z = m + rnormal() 
	gen y = m + rnormal()
	***************************

模拟结果分别如下图所示，在不控制中介变量或其子变量时，估计是无偏的，但引入他们作为控制变量则会导致间接因果效应路径被截断，从而低估结果，因此中介变量或其子变量是糟糕的控制变量。

3.3 警惕打开对撞变量所在路径

模型 16 和模型 17 中的均为对撞变量，如果控制对撞变量将引入选择性偏差，因此是糟糕的控制变量。

模型 16、17 DAG 结构部分的代码分别为：

	***************************
	* model 16: DAG 结构 
	gen x = rnormal() 
	gen u = rnormal() 
	gen z = x + u + rnormal() 
	gen y = x + 2*u + rnormal()
	***************************

	***************************
	* model 17: DAG 结构 
	gen x = rnormal() 
	gen y = x + rnormal()
	gen z = x + y + rnormal()
	***************************

模拟结果分别为：

控制模型 18 中的会导致案例控制偏差。

模型 18 DAG 结构部分的代码为：

	***************************
	* model 18: DAG 结构 
	gen x = rnormal() 
	gen y = x + rnormal()
	gen z = y + rnormal()
	***************************

模拟结果为：

4. 中性的控制变量

4.1 可能提高精度的情形

模型 8 中的是一个中性的控制变量，但控制它可以提高估计结果的精确度。

模型 8 DAG 结构部分的代码为：

	***************************
	* model 8: DAG 结构 
	gen z = rnormal() 
	gen x = rnormal()
	gen y = x + 2*z + rnormal()
	***************************

从模拟结果可以看出，虽然无论是否控制，都可以获得无偏估计，但是控制可以提高估计精度，即系数估计值的标准误降低，系数置信区间范围缩小。

模型 13 中的同样是一个提高估计精度的中性的控制变量。

模型 13 DAG 结构部分的代码为：

	***************************
	* model 13: DAG 结构 
	gen z = rnormal() 
	gen x = rnormal()
	gen m = 2*z + rnormal()
	gen y = x + 2*m + rnormal()
	***************************

模拟结果为：

4.2 可能降低精度的情形

模型 9 和 14 中的均为中性的控制变量。但控制它们会减少的变动性，从而降低估计结果的精确度。

模型 9 和 14 DAG 结构部分的代码分别为：

	***************************
	* model 9: DAG 结构 
	gen z = rnormal() 
	gen x = 2*z + rnormal()
	gen y = x + 2*rnormal()
	***************************

	***************************
	* model 14: DAG 结构 
	gen x = rnormal() 
	gen z = 2*x + rnormal()
	gen y = x + 2*rnormal()
	***************************

从模拟结果可以看出，虽然无论是否控制，都可以获得无偏估计，但是控制会估计精度，即系数估计值的标准误增加，系数置信区间范围增大。

5. 相关推文

Note：产生如下推文列表的 Stata 命令为：
lianxh 控制变量, m
安装最新版 lianxh 命令：
ssc install lianxh, replace

专题：论文写作

控制变量如何选？大牛们的10条建议

专题：Stata命令

Stata：控制变量组合的筛选-tuples
Stata新命令-pdslasso：众多控制变量和工具变量如何挑选？

专题：回归分析

控制变量越多越好吗？
Stata：控制变量与核心解释变量地位对等吗？
调节效应是否需要考虑对控制变量交乘？
控制变量！控制变量！
不用太关心控制变量，真的！
加入控制变量后结果悲催了！

专题：IV-GMM

Lasso一下：再多的控制变量和工具变量我也不怕-T217

专题：断点回归RDD

RDD：断点回归可以加入控制变量吗？
Stata：RDD-中可以加入控制变量

专题：内生性-因果推断

控制变量！控制变量！Good-Controls-Bad-Controls
敏感性分析B-Stata实操：控制变量内生时的系数敏感性分析-regsensitivity
敏感性分析A-理论基础：控制变量内生时的系数敏感性分析-regsensitivity

专题：其它

锚定情境法（一）：有效控制变量自评偏差

课程推荐：面板数据因果推断
主讲老师：徐轶青 (斯坦福大学)
🍓 课程主页：https://gitee.com/arlionn/Course

New！ Stata 搜索神器：lianxh 和 songbl GIF 动图介绍
搜：推文、数据分享、期刊论文、重现代码 ……
👉 安装：
. ssc install lianxh
. ssc install songbl
👉 使用：
. lianxh DID 倍分法
. songbl all

🍏 关于我们

连享会 ( www.lianxh.cn，推文列表) 由中山大学连玉君老师团队创办，定期分享实证分析经验。
直通车： 👉【百度一下：连享会】即可直达连享会主页。亦可进一步添加「知乎」,「b 站」,「面板数据」,「公开课」等关键词细化搜索。

”FAN某”的离婚财产分割判决书（全文）

”FAN某”的离婚财产分割判决书（全文）

哈里斯女粉搞4B运动、毒杀丈夫，回旋镖能否让美国“血流成河”

许纪霖：珠海驾车撞人事件的背后，弦绷得太紧了，要给人们以松弛感 | 二湘空间

刑讯逼供、管辖异议，唐山杨立国涉黑案争议

Stata模拟：控制变量！控制变量！Good-Controls-Bad-Controls

1. 导言

2. 良好的控制变量

2.1 解释变量和被解释变量的混淆情形

2.2 解释变量和中介变量的混淆情形

2.3 处理后变量一定是坏的控制变量吗

3. 糟糕的控制变量

3.1 处理前变量一定是好的控制变量吗

3.2 警惕阻断因果路径

3.3 警惕打开对撞变量所在路径

4. 中性的控制变量

4.1 可能提高精度的情形

4.2 可能降低精度的情形

5. 相关推文

🍏 关于我们

您可能也对以下帖子感兴趣

”FAN某”的离婚财产分割判决书（全文）

”FAN某”的离婚财产分割判决书（全文）

哈里斯女粉搞4B运动、毒杀丈夫，回旋镖能否让美国“血流成河”

许纪霖：珠海驾车撞人事件的背后，弦绷得太紧了，要给人们以松弛感 | 二湘空间

刑讯逼供、管辖异议，唐山杨立国涉黑案争议

生成图片，分享到微信朋友圈

Stata模拟：控制变量！控制变量！Good-Controls-Bad-Controls

1. 导言

2. 良好的控制变量

2.1 解释变量和被解释变量的混淆情形

2.2 解释变量和中介变量的混淆情形

2.3 处理后变量一定是坏的控制变量吗

3. 糟糕的控制变量

3.1 处理前变量一定是好的控制变量吗

3.2 警惕阻断因果路径

3.3 警惕打开对撞变量所在路径

4. 中性的控制变量

4.1 可能提高精度的情形

4.2 可能降低精度的情形

5. 相关推文

🍏 关于我们

您可能也对以下帖子感兴趣