使用倾向评分PSM方法选出匹配样本的STATA程序步骤

数据窗口有匹配的样本，变量名为_n1

keep if _weight==1

有没有大神可以传一段讲解的视频啊？

if _weight  !=.

We will discuss how to run regressions on a matched sample because it remains a popular technique, but we cannot recommend it.
psmatch2 makes it easy by creating a _weight variable automatically. For observations in the treated group, _weight is 1. For observations in the control group it is the number of observations from the treated group for which the observation is a match. If the observation is not a match, _weight is missing. _weight thus acts as a frequency weight (fweight) and can be used with Stata's standard weighting syntax. For example (starting with a clean slate again):
use http://ssc.wisc.edu/sscc/pubs/files/psm, replace
psmatch2 t x1 x2, out(y) logit
reg y x1 x2 t [fweight=_weight]
Observations with a missing value for _weight are omitted from the regression, so it is automatically limited to the matched sample.

请问你现在的问题解决了吗？我也遇到同种情况，想向你咨询一下

我自己的一点想法，首先给每个数据样本设置一个编号1-n，变量名定义为ID。进行PSM后，直接根据_id排序，然后把数据分叉保存成两部分，一份数据是实验组样本，一份数据是控制组样本。在试验组样本中，此时不是有_n1这个变量嘛，说的就是匹配样本的对应编号啊。建立一个空白数据文件，取名example，然后把_n1拷进去，定义变量名为ID，这时候根据ID条件对空白数据文件和控制组进行n:1形式的merge合并，得到的不就是匹配后的实验组样本嘛!这是笨方法，高手可以编写个程序，可能会更简单

beiluo08 发表于 2017-11-14 23:46
if _weight  !=.

We will discuss how to run regressions on a matched sample because it remains a p ...

如果weight=1呢

青枫半村户9 发表于 2019-3-23 16:57
如果weight=1呢

不是，等于234呢

drop if _weight==.  命令是对的。
不能只保留weight等于1的样本，因为weight可以理解为该样本点被匹配到了几次，比如weight=2，就说明有两个其他样本都是和这个匹配的。
on support代表在common support区间里，只有on support的样本才参与匹配。

针对这个问题，有心想深入了解者 (要深入了解”实用”计量模型，北京，1/12-1/14)，请考虑参加经管之家主办：Stata实用计量方法 http://www.peixun.net/view/1377.html。

1. 外行看热闹，内行看门道，若你是要学计量经济写硕、博论文或发表学术期刊论文，难道你不应该找一个拥有坚强之学术研究成果的人吗？ (请到 http://mail.tku.edu.tw/river/river-cv-chinese-20191027.pdf 看看我的文章发表)
   
2. 講習內容都是我學術研究之精華，實用且經過国际审稿人淬練過，對學員有直接且切要之幫忙。
   
3. 2019年八月上海講習，學員平均評分 4.97 (滿分 5)。
   
4. 精美详细之讲义，结合计量经济内容与 Stata 指令和结果，便于复习。
   
5. 享有售後服務，你參加我的講習會，會後有任何與講習內容相關問題，我都樂意回答。
   
6. 也欢迎听过其它讲习、培训者来参与，我发现不少你所学的 (常用且基本的概念) 其实 (相对世界主流) 是 ”错的”)，再过几年的推广 (更多人知道正确的作法)，你就会发现你当初所学的东西就会受到挑战，到时你就知道什么叫做失之毫釐，差之千里。

复制代码