張春強2021 / 雙重差分 / 雙重差分傾向得分匹配(PSM-DID)

分享

   

雙重差分傾向得分匹配(PSM-DID)

2017-09-09  張春強2021

來源 | 計量經濟學(id:Mr-lufly)

作者 | 小計量 ,轉載已獲授權



雙重差分PSM模型是由Heckman et al(1997,1998)提出的。假設存在兩期面板數據,實驗前的時期記為t’,實驗后的數據記為t。對于控制組合處理組在t’時期,其潛在結果均為yot‘,但是在t時期的時候存在兩種潛在結果即,控制組為y0t,處理組為y1t。


雙重差分PSM模型成立的假設為:



如果以上假定成立,則可以得到ATT的一致估計:  




步驟



雙重差分PSM的估計步驟大致如下:

(1)根據處理變量D和協變量X計算傾向得分

(2)對于處理組的每個個體i確定與其匹配的全部控制組個體(即確定集合Sp)

(3)對于處理組的每位個體i,計算其結果變量前后變化

(4)對于處理組的每個個體i,計算與其匹配的全部控制個體的前后變化

(5)針對(3)和(4)中的公式,根據以上公式進行傾向得分核匹配或局部線性回歸匹配,即可得到ATT


優點:控制不可觀測但不隨時間變化的組間差異。例如處理組和控制組來自兩個不通過的區域,或者處理組或者控制組使用了兩套調查問卷。



操作


**PSM_DID

ssc install diff

help diff


***雙重差分語法格式***

diff outcome_var ,treat(varname) period(varame) id(varname) ///

kernel ktype(kernel) cov(varlist) report logit support test


解釋

其中“outcome_var”表示結果變量,“treat(varname) ”為必選項,用來指定處理變量,“period(varame)”用來指定實驗期虛擬變量(1=實驗期,0=非實驗期),“id(varname)”用來指定個體id(這是進行匹配的前提),“kernel”表示使用核匹配方法(diff命令不提供其他匹配方法),“cov(varlist)”用來指定傾向得分的協變量,“report”表示匯報傾向得分的估計結果,“logit”表示使用logit計算得分,默認選項為probit,“support”表示僅使用共同取值范圍內的觀測值進行匹配,“test”表示檢驗傾向得分匹配之后的,各變量在實驗組和控制在分布是否平衡。



演示



***PSM_DID

ssc install diff

help diff


***雙重差分語法格式***

diff outcome_var ,treat(varname) period(varame) id(varname) ///

kernel ktype(kernel) cov(varlist) report logit support test


use cardkrueger1994.dta

bro

des

sum

diff fte ,t(treated) p(t) kernel id(id) logit cov(bk kfc roys) ///

report support

diff fte ,t(treated) p(t) kernel id(id) logit cov(bk kfc roys) ///

report support test



    本站是提供個人知識管理的網絡存儲空間,所有內容均由用戶發布,不代表本站觀點。請注意甄別內容中的聯系方式、誘導購買等信息,謹防詐騙。如發現有害或侵權內容,請點擊一鍵舉報。

    0條評論

    發表

    請遵守用戶 評論公約

    類似文章
    喜歡該文的人也喜歡 更多

    ×
    ×

    .00

    微信或支付寶掃碼支付:

    開通即同意《個圖VIP服務協議》

    全部>>
    无限资源2018免费观看-无限资源免费韩国日本-无限资源日本2019版免费