1、傾向值匹配法（PSM）1;.2Q：為什么要使用PSM？nA：解決樣本選擇偏誤帶來的內(nèi)生性問題n例：上北大有助于提高收入嗎？n樣本選擇偏誤：考上北大的孩子本身就很出色（聰明、有毅力、能力強）n解決方法：樣本配對3配對方法n同行業(yè)（一維配對）n同行業(yè)、規(guī)模相當（二維配對）n同行業(yè)、規(guī)模相當、股權(quán)結(jié)構(gòu)相當、（多維配對）？nPSM：把多個維度的信息濃縮成一個（降維：多維到一維）4配對過程中的兩個核心問題（1）nQ1：哪個樣本更好一些？A1:Sample2較好：比較容易滿足共同支撐假設(shè)（common support assumption）5配對過程中的兩個核心問題（2）nQ2：stu c1,c2,c3三

2、人中，誰是stu PK的最佳配對對象？nA2：stu c3是最佳配對對象，比較容易滿足平行假設(shè)（balancing assumption）6ATT（Average Treatment Effect on the Treated）平均處理效應的衡量n運用得分進行樣本匹配并比較，估計出ATT值。nATT=EY(1)-Y(0) |T=1Y(1):Stu PK 上北大后的年薪Y(jié)(0): Stu PK 假如不上北大的年薪可觀測數(shù)據(jù)可觀測數(shù)據(jù)不可觀測數(shù)據(jù)，不可觀測數(shù)據(jù)，采用配對者的采用配對者的收入來代替收入來代替ATT=12W-9W=3W實例介紹7;.8實例介紹n研究問題：培訓對工資的效應n基本思想：分析

3、接受培訓行為與不接受培訓行為在工資表現(xiàn)上的差異。但是，現(xiàn)實可以觀測到的可以觀測到的是處理組接受培訓的事實，而如果處理組沒有接受培訓會怎么樣是不可觀測的不可觀測的，這種狀態(tài)稱為反事實。匹配法就是為了解決這種不可觀測的事實的方法。9實例介紹n分組：在傾向值匹配法中，根據(jù)處理指示變量將樣本分為兩個組。處理組處理組，在本例中就是在NSW（國家支持工作示范項目）實施后接受培訓的組；控制組控制組，在本例中就是在NSW實施后不接受培訓的組。n研究目的：通過對處理組和對照組的匹配，在其他條件完全相同的情況下，通過接受培訓的組（處理組）與不接受培訓的組（控制組）在工資表現(xiàn)上的差異來判斷接受培訓的行為與工資之間的

4、因果關(guān)系。10變量定義變量變量定義定義treat接受培訓（處理組）表示接受培訓（處理組）表示1，沒有接受培訓（控制組）表示，沒有接受培訓（控制組）表示0age年齡年齡educ受教育年數(shù)受教育年數(shù)black種族虛擬變量，黑人時，種族虛擬變量，黑人時，black=1hsip民族虛擬變量，西班牙人時，民族虛擬變量，西班牙人時，hsip=1marr婚姻狀況虛擬變量，已婚，婚姻狀況虛擬變量，已婚，marr=1re741974年實際工資年實際工資re751975年實際工資年實際工資11變量定義re781978年實際工資年實際工資u74當在當在1974年失業(yè)，年失業(yè)，u74=1agesqage*ageedu

5、csqeduc*educre74sqre74*re74re75sqre75*re75u74blcaku74*blcak傾向打分12;.13OLS回歸結(jié)果工資的變化到底是來自個體的異質(zhì)性工資的變化到底是來自個體的異質(zhì)性性還是培訓？性還是培訓？14傾向打分n1.設(shè)定宏變量(1)設(shè)定宏變量breps表示重復抽樣200次命令：global breps 200(2)設(shè)定宏變量x，表示age agesq educ educsq married black hisp re74 re75 re74sq re75sq u74black命令：global x age agesq educ educsq marri

6、ed black hisp re74 re75 re74sq re75sq u74black15傾向打分n2.通過logit模型進行傾向打分命令：pscore treat $x,pscore(mypscore) blockid(myblock) comsup numblo(5) level(0.05) logit注:$表示引用宏變量16pscore結(jié)果17傾向值分布18傾向值分布19block中樣本的分布20block中的描述性統(tǒng)計運用得分進行樣本匹配并比較21;.22方法一：最鄰近方法方法一：最鄰近方法（nearest neighbor matching）n含義：最鄰近匹配法是最常用的一種匹

7、配方法，它把控制組中找到的與處理組個體傾向得分差異最小的個體，作為自己的比較對象 。n優(yōu)點：按處理個體找控制個體，所有處理個體都會配對成功，處理組的信息得以充分使用。n缺點：由于不舍棄任何一個處理組，很可能有些配對組的傾向得分差距很大，也將其配對，導致配對質(zhì)量不高，而處理效應ATT的結(jié)果中也會包含這一差距，使得ATT精確度下降。 23方法一：最鄰近方法方法一：最鄰近方法（nearest neighbor matching）n命令nset seed 10101（產(chǎn)生隨機數(shù)種子）nattnd re78 treat $x,comsup boot reps($breps) dots logit24方法

8、一：最鄰近方法方法一：最鄰近方法（nearest neighbor matching）25方法二：半徑匹配法方法二：半徑匹配法（radius matching）n半徑匹配法是事先設(shè)定半徑，找到所有設(shè)定半徑范圍內(nèi)的單位圓中的控制樣本，半徑取值為正。隨著半徑的降低，匹配的要求越來越嚴。26方法二：半徑匹配法方法二：半徑匹配法（radius matching）n命令n set seed 10101n attr re78 treat $x,comsup boot reps($breps) dots logit radius(0.001)27方法二：半徑匹配法方法二：半徑匹配法（radius match

9、ing）28方法三：分層匹配法方法三：分層匹配法（stratification matching）n內(nèi)容：分層匹配法是根據(jù)估計的傾向得分將全部樣本分塊，使得每塊的平均傾向得分在處理組和控制組中相等。n優(yōu)點：Cochrane ,Chambers（1965）指出五個區(qū)就可以消除95%的與協(xié)變量相關(guān)的偏差。這個方法考慮到了樣本的分層問題或聚類問題。就是假定：每一層內(nèi)的個體樣本具有相關(guān)性，而各層之間的樣本不具有相關(guān)性。n缺點：如果在每個區(qū)內(nèi)找不到對照個體，那么這類個體的信息，會丟棄不用。總體配對的數(shù)量減少。29方法三：分層匹配法方法三：分層匹配法（stratification matching）n命令

10、nset seed 10101natts re78 treat,pscore(mypscore) blockid(myblock) comsup boot reps($breps) dots30方法三：分層匹配法方法三：分層匹配法（stratification matching）31方法四：核匹配法方法四：核匹配法（kernel matching）n核匹配是構(gòu)造一個虛擬對象來匹配處理組，構(gòu)造的原則是對現(xiàn)有的控制變量做權(quán)重平均，權(quán)重的取值與處理組、控制組PS值差距呈反向相關(guān)關(guān)系。32方法四：核匹配法方法四：核匹配法（kernel matching）n命令nset seed 10101nattk

11、re78 treat $x,comsup boot reps($breps) dots logit33方法四：核匹配法方法四：核匹配法（kernel matching）psmatch234;.35匹配變量的篩選n1.設(shè)定宏變量設(shè)定宏變量x，表示age agesq educ educsq married black hisp re74 re75 re74sq re75sq u74black命令：global x age agesq educ educsq married black hisp re74 re75 re74sq re75sq u74black36匹配變量的篩選n2.初步設(shè)定nlog

12、it treat $x37匹配變量的篩選n3.逐步回歸nstepwise,pr(0.1):logit treat $x38ps值的計算npsmatch2 treat $x,out(re78)n傾向得分的含義是，在給定X的情況下，樣本處理的概率值。利用logit模型估計樣本處理的概率值。概率表示如下：nP(x)=PrD=1|X=ED|X39匹配處理組n最近鄰匹配n命令：psmatch2 treat $x（if soe=1）,out(re78) neighbor(2) aten半徑匹配n命令：psmatch2 treat $x,out(re78) ate radius caliper(0.01)n

13、核匹配n命令：psmatch2 treat $x,out(re78) ate kernel40匹配處理組n滿足兩個假設(shè)：A共同支撐假設(shè)B平行假設(shè)41ATT（平均處理效應的衡量）以半徑匹配為例：psmatch2 treat $x,out(re78) ate radius caliper(0.01)1、處理組平均效應（、處理組平均效應（ATT）2、控制組平均效應（、控制組平均效應（ATU）3、總體平均效應（、總體平均效應（ATE）42ATT（平均處理效應的衡量）n匹配前后變量的差異對比n命令：pstest re78 $x（pstest re78 $x,both graph）43匹配前后密度函數(shù)圖t

14、woway (kdensity _ps if _treat=1, legend(label(1 Treat) (kdensity _ps if (_wei!=1&_wei!=.), legend(label(2 Control), xtitle(Pscore) title(After Matching)twoway (kdensity _ps if _treat=1, legend(label(1 Treat) (kdensity _ps if _treat=0, legend(label(2 Control),xtitle(Pscore) title(Before Matching)

15、44運用bootstrap獲得ATT標準誤n命令：bootstrap,reps(#):psmatch2 treat $x,out( re78)n在統(tǒng)計分析中，樣本較少，采用bootstrap，可以減少小樣本偏誤。n步驟：首先，從原始樣本中可重復地隨機抽取n個觀察值，得到經(jīng)驗樣本；然后采用PSM計算改經(jīng)驗樣本的平均處理效果ATT；將第一步和第二步重復進行#次，得出#個ATT值；計算#個ATT值的標準差。45核匹配的Bootstrap檢驗愛是什么？一個精靈坐在碧綠的枝葉間沉思。風兒若有若無。一只鳥兒飛過來，停在枝上，望著遠處將要成熟的稻田。精靈取出一束黃澄澄的稻谷問道：“你愛這稻谷嗎？”“愛。”“

16、為什么？”“它驅(qū)趕我的饑餓。”鳥兒啄完稻谷，輕輕梳理著光潤的羽毛。“現(xiàn)在你愛這稻谷嗎？”精靈又取出一束黃澄澄的稻谷。鳥兒抬頭望著遠處的一灣泉水回答：“現(xiàn)在我愛那一灣泉水，我有點渴了。”精靈摘下一片樹葉，里面盛了一汪泉水。鳥兒喝完泉水，準備振翅飛去。“請再回答我一個問題，”精靈伸出指尖，鳥兒停在上面。“你要去做什么更重要的事嗎？我這里又稻谷也有泉水。”“我要去那片開著風信子的山谷，去看那朵風信子。”“為什么？它能驅(qū)趕你的饑餓？”“不能。”“它能滋潤你的干渴？”“不能。”愛是什么？一個精靈坐在碧綠的枝葉間沉思。風兒若有若無。一只鳥兒飛過來，停在枝上，望著遠處將要成熟的稻田。精靈取出一束黃澄澄的稻谷

17、問道：“你愛這稻谷嗎？”“愛。”“為什么？”“它驅(qū)趕我的饑餓。”鳥兒啄完稻谷，輕輕梳理著光潤的羽毛。“現(xiàn)在你愛這稻谷嗎？”精靈又取出一束黃澄澄的稻谷。鳥兒抬頭望著遠處的一灣泉水回答：“現(xiàn)在我愛那一灣泉水，我有點渴了。”精靈摘下一片樹葉，里面盛了一汪泉水。鳥兒喝完泉水，準備振翅飛去。“請再回答我一個問題，”精靈伸出指尖，鳥兒停在上面。“你要去做什么更重要的事嗎？我這里又稻谷也有泉水。”“我要去那片開著風信子的山谷，去看那朵風信子。”“為什么？它能驅(qū)趕你的饑餓？”“不能。”“它能滋潤你的干渴？”“不能。”46;.其實，世上最溫暖的語言，“ 不是我愛你，而是在一起。” 所以懂得才是最美的相遇！只有彼

18、此以誠相待，彼此尊重，相互包容，相互懂得，才能走的更遠。相遇是緣，相守是愛。緣是多么的妙不可言，而懂得又是多么的難能可貴。否則就會錯過一時，錯過一世！擇一人深愛，陪一人到老。一路相扶相持，一路心手相牽，一路笑對風雨。在平凡的世界，不求愛的轟轟烈烈；不求誓言多么美麗；唯愿簡單的相處，真心地付出，平淡地相守，才不負最美的人生；不負善良的自己。人海茫茫，不求人人都能刻骨銘心，但求對人對己問心無愧，無怨無悔足矣。大千世界，與萬千人中遇見，只是相識的開始，只有彼此真心付出，以心交心，以情換情，相知相惜，才能相伴美好的一生，一路同行。然而，生活不僅是詩和遠方，更要面對現(xiàn)實。如果曾經(jīng)的擁有，不能天長地久，那么就要學會華麗地轉(zhuǎn)身，學會忘記。忘記該忘記的人，忘記該忘記的事兒，忘記苦樂年華的悲喜交集。人有悲歡離合，月有陰晴圓缺。對于離開的人，不必折磨自己脆弱的生命，虛度了美好的朝夕；不必讓心靈痛苦不堪，弄丟了快樂的自己。擦汗眼淚，告訴自己，日子還得繼續(xù)，誰都不是誰的唯一，相信最美的風景一直在路上。人生，就是一場修行。你路過我，我忘記你；你有情，他無意。誰都希望在正確的時間遇見對的人，然而事與愿違時，你越渴望的東西，也許越是無情無義地棄你而去。所以美好的愿望，就會像肥皂泡一樣破滅，只能在錯誤的時間遇到錯的人。歲月匆匆像一