本例选自Cameron&Trivedi《微观计量经济学:方法与应用》(中译本,上海财经大学出版社,2010)pp794-800
所有数据及程序均来自于本书的配套网站本文是末学向两位善知识Cameron和Trivedi的教材恭敬学习后整理的读书笔记,没有任何创意,只是简化整理一番而已,整理中难免错谬之处,敬请指正,不胜感激。末学联系方式houhh1125@163.com
倾向打分+选用得分进行匹配
其中倾向得分匹配法的 stata 实现过程如下:
总的讲来分为两大部分:
一是为倾向打分,
二是运用得分进行样本匹配并比较。
由于 stata11 没有倾向得分匹配法相关的命令,所以要通过网络下载相关的 命令,相关的内容见附录。
一、倾向打分
第一步:设定宏变量 breps 表示重复抽样 200 次
- . global breps 200
第二步,设定宏变量 XDW02,
表示变量 AGE AGESQ EDUC EDUCSQ MARR NODEGREE BLACK HISP RE74 RE75 RE74SQ U74 U75 U74HISP
- . global XDW02 AGE AGESQ EDUC EDUCSQ MARR NODEGREE BLACK HISP RE74 RE75 RE74SQ U74 U75 U74HISP
第三步,通过 logit 模型进行倾向打分
- . pscore TREAT $XDW02, pscore(myscore) comsup blockid(myblock)
- numblo(5) level(0.005) logit
二、运用得分进行样本匹配并比较
方法一: Nearest neighbor matching (random version) 最邻近方法
首先,产生随机数种子
- . set seed 10101
然后
- . attnd RE78 TREAT $XDW02, comsup boot reps($breps) dots logit
方法二: Radius matching(半径匹配法)
- . set seed 10101 . attr RE78 TREAT $XDW02, comsup boot reps($breps) dots logit radius(0.001)
方法三: Stratification Matching(分成匹配法)
- . set seed 10101 . atts RE78 TREAT, pscore(myscore) blockid(myblock) comsup boot reps($breps) dots
方法四: Kernel Matching(核匹配方法)
- . set seed 10101 . attk RE78 TREAT $XDW02, comsup boot reps($breps) dots logit
三、附件