请教关于propensity score的一个经典疑问

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

例如：想研究A这个人上研究生对他收入的影响，本应该用Y1（上了研究生后的收入）—Y0（如果他不上研究生，他的收入）。正因为Y0是反事实的，所以要找个对照组。如果Z是影响他选择上不上研究生的变量，假设如果用logit模型估计出了他上研究生的概率为0.8，而B这个人没有上研究生，B的概率刚好也是0.8，所以我们就选择B这个人作为A的对照组，可是为什么要用上不上研究生来找对照组，而不是找和A在没有上研究生之前收入最接近的人作为对照组呢？因为最后落实到的还是收入，应该找收入最接近的作为对照组，而不应该是找上不上研究生这个政策选择概率最接近的呀？实在不明白，请大家指点下 谢谢

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏42 回帖

关键词：propensity score SCOR Open core 经典 疑问 propensity score

最佳解决方法是PSM，参见
Becker, S., A. Ichino, Estimation of average treatment effects based on propensity scores, STATA JOURNAL, 2002, 2 (4): 358-377.
Leuven, E., B. Sianesi, PSMATCH2: Stata module to perform full Mahalanobis and propensity score matching, common support graphing, and covariate imbalance testing, Version 1.2.0, http://ideas.repec.org/c/boc/bocode/s432001.html, 2003.

可以在此简要的给点回答么？！！！！谢谢

我看过了一楼给的文献 还是不懂呀，拜托了

arlionn 发表于 2009-8-7 17:18
最佳解决方法是PSM，参见
Becker, S., A. Ichino, Estimation of average treatment effects based on pro ...

连老师，您好~
看了您写的那篇“股权激励是否真的有效”的文章，受益匪浅，结合stata journal基本把PSM方法弄明白了，目前还有一个问题，就是如何用stata作出匹配前后的核密度图？是用psgraph吗？

kuangzhu1990 发表于 2011-8-11 12:05
连老师，您好~
看了您写的那篇“股权激励是否真的有效”的文章，受益匪浅，结合stata journal基本把PSM方 ...

那篇文章已经发表：
Lian, Y., Z. Su, Y. Gu, 2011, Evaluating the effects of equity incentives using PSM: Evidence from China, Frontiers of Business Research in China, 5 (2): 266-290. Lian, Y., Z. Su, Y. Gu, 2011, Evaluating the effects of equity incentives using PSM.pdf (516.14 KB)

2011-8-11 22:55:27 上传

连玉君_PSM_股权激励有效吗？

处理过程如下：
*-----------------------------------------------------------
*
* PSM 论文数据处理程序（Given by Lian Yu-jun 连玉君）
*
* Lian, Y., Z. Su, Y. D. Gu, 2011,
*   Evaluating the Effects of Equity Incentives Using PSM:
*   Evidence from China,
*   Frontiers of Business Research in China, 5(2):266-290.
*-----------------------------------------------------------

*=================
*    PSM 分析
*=================
* -psmatch2- 命令
    global x "size lev  prof tobin gpay hhi5"
    global xv "_Isicmen* state"
global if56  "if year>=2005"
dropvars jili_gp jili_qq
    gen jili_gp = (jili_type==2)
       label var jili_gp "1=股票激励,0=其它"
    gen jili_qq = (jili_type==1)
       label var jili_qq "1=期权激励,0=其它"
   
   
  *- 比较各变量匹配前后的情况
     
   *- 最近邻匹配
      cap drop u
      gen u = uniform()
      sort u
      psmatch2 jili $x $xv $if56, neighbor(3) logit  
      order id year jili _pscore- _pdif
   *- 匹配前后解释变量的差异对比
      pstest $x
      
   *----------
   *-Figure 01
   *----------
   
                                /* 需要输出图形时，直接执行里面的命令即可
   *- 比较密度函数图
   
      *-匹配前的密度函数图   
        *-E-version(large)
          twoway (kdensity _ps if _treat==1,lp(solid) lw(*2.5)) ///
            (kdensity _ps if _treat==0,lp(dash) lw(*2.5)), ///
            ytitle("Density", size(*1.1))      ///
   ylabel(,angle(0) labsize(*1.1))    ///
            xtitle("Propensity Score", size(*1.1))  ///
   xscale(titlegap(2))         ///
            xlabel(0(0.2)0.8, format(%2.1f) labsize(*1.1))  ///
            legend(label(1 "Incentive") label(2 "Control") row(2) ///
               position(3) ring(0) size(*1.1))   ///
            scheme(s1mono)
          graph export "Figs\kn01_large.wmf",  ///
              replace fontface("Times New Roman")         
        
        
      *-匹配后的密度函数图
        *-E-version(large)
        twoway (kdensity _ps if _treat==1,lp(solid) lw(*2.5)) ///
            (kdensity _ps if _wei!=1 & _wei!=.,lp(dash) lw(*2.5)), ///
            ytitle("Density", size(*1.1))      ///
   ylabel(,angle(0) labsize(*1.1))    ///
            xtitle("Propensity Score", size(*1.1))  ///
   xscale(titlegap(2))         ///
            xlabel(0(0.2)0.8, format(%2.1f) labsize(*1.1))  ///
            legend(label(1 "Incentive") label(2 "Control") row(2) ///
               position(3) ring(0) size(*1.1))   ///
            scheme(s1mono)
         graph export "Figs\kn02_large.wmf",  ///
              replace fontface("Times New Roman")        

处理过程如下：
*-----------------------------------------------------------
*
* PSM 论文数据处理程序（Given by Lian Yu-jun 连玉君）
*
* Lian, Y., Z. Su, Y. D. Gu, 2011,
*   Evaluating the Effects of Equity Incentives Using PSM:
*   Evidence from China,
*   Frontiers of Business Research in China, 5(2):266-290.
*-----------------------------------------------------------

*=================
*    PSM 分析
*=================
* -psmatch2- 命令
    global x "size lev  prof tobin gpay hhi5"
    global xv "_Isicmen* state"
global if56  "if year>=2005"
dropvars jili_gp jili_qq
    gen jili_gp = (jili_type==2)
       label var jili_gp "1=股票激励,0=其它"
    gen jili_qq = (jili_type==1)
       label var jili_qq "1=期权激励,0=其它"
   
   
  *- 比较各变量匹配前后的情况
     
   *- 最近邻匹配
      cap drop u
      gen u = uniform()
      sort u
      psmatch2 jili $x $xv $if56, neighbor(3) logit  
      order id year jili _pscore- _pdif
   *- 匹配前后解释变量的差异对比
      pstest $x
      
   *----------
   *-Figure 01
   *----------
   
                                /* 需要输出图形时，直接执行里面的命令即可
   *- 比较密度函数图
   
      *-匹配前的密度函数图   
        *-E-version(large)
          twoway (kdensity _ps if _treat==1,lp(solid) lw(*2.5)) ///
            (kdensity _ps if _treat==0,lp(dash) lw(*2.5)), ///
            ytitle("Density", size(*1.1))      ///
   ylabel(,angle(0) labsize(*1.1))    ///
            xtitle("Propensity Score", size(*1.1))  ///
   xscale(titlegap(2))         ///
            xlabel(0(0.2)0.8, format(%2.1f) labsize(*1.1))  ///
            legend(label(1 "Incentive") label(2 "Control") row(2) ///
               position(3) ring(0) size(*1.1))   ///
            scheme(s1mono)
          graph export "Figs\kn01_large.wmf",  ///
              replace fontface("Times New Roman")         
        
        
      *-匹配后的密度函数图
        *-E-version(large)
        twoway (kdensity _ps if _treat==1,lp(solid) lw(*2.5)) ///
            (kdensity _ps if _wei!=1 & _wei!=.,lp(dash) lw(*2.5)), ///
            ytitle("Density", size(*1.1))      ///
   ylabel(,angle(0) labsize(*1.1))    ///
            xtitle("Propensity Score", size(*1.1))  ///
   xscale(titlegap(2))         ///
            xlabel(0(0.2)0.8, format(%2.1f) labsize(*1.1))  ///
            legend(label(1 "Incentive") label(2 "Control") row(2) ///
               position(3) ring(0) size(*1.1))   ///
            scheme(s1mono)
         graph export "Figs\kn02_large.wmf",  ///
              replace fontface("Times New Roman")        

arlionn 发表于 2011-8-11 23:00
那篇文章已经发表：
Lian, Y., Z. Su, Y. Gu, 2011, Evaluating the effects of equity incentives usin ...

谢谢连老师不吝赐教！如获至宝啊，我得好好消化下了~

arlionn 发表于 2009-8-7 17:18
最佳解决方法是PSM，参见
Becker, S., A. Ichino, Estimation of average treatment effects based on pro ...

连老师，您好！
attr、attk等命令得出的ATT后只有t值，想计算对应的显著度，如何确定t检验的自由度呢？

我來回答一下, 基本上, 如果以一個人來觀察是否唸研究所前後之薪資, 這是單組前後比較
而找一個配對來看, 唸研究所的影響, 這是配對研究方法
對研究而言, 隨機對照組比較是較具有效度的, 其他的方式, 則是處理無效度所發展出來的方法

所以這個問題, 是研究設計, 而不能只著眼於統計分析