悬赏100 关于PSM 倾向值匹配方法的应用

1. 因变量是二分变量且选用Logit模型时，若使用PSM方法，那就相当于先用Logit回归得到PS score, 配对后再用一次Logit回归，这样可以吗？2. 使用PSM后，发现pre-match和post-match的ATT差别很小，大概就是0.1和0.95的差距，能否据此说明the potential sample selection bias is not a concern？
3. 如果不用PSM，有什么方法可以检验一个自变量是否因样本自选择而存在内生性？

http://www.chrp.org/love/ASACleveland2003Propensity.pdf

This might help mate!

bugbugbu 发表于 2015-12-8 16:31
http://www.chrp.org/love/ASACleveland2003Propensity.pdf

This might help mate!

感谢！但这个我之前已看过，依然无法解决现在的疑惑.

tiantam 发表于 2015-12-7 14:10
1. 因变量是二分变量且选用Logit模型时，若使用PSM方法，那就相当于先用Logit回归得到PS score, 配对后再用 ...

回答你第二个问题和第三个问题，第二个，如果进行PSM回归后出现你说的，前后偏差差别比较小的话，可以确定是匹配方法的问题。可以换一种匹配方法，如把一对一的n（1）换成一对4的n（4），无放回的换成有放回的。<br>
第三个问题，除了PSM外，两阶段最小二乘法也是其中一种可选择的方法。内生性出现的主要一个原因是，样本进入处理组不是随记的，而是遵循自选择机制。比如研究工会对收入的影响，不能直接比较工会会员与非工会会员的工资，因为可能是能力优秀的人选择加入工会，工资也更高。也就是说，劳动者进入工会与非工会，不是一个随机过程。这样的话就可能有内生性，就可以比较OLs回归和PSM的结果，如果差异比较大话，那就是有内生性，如果两种方法的结果相差不大，那就表明并没有内生性。望对你有用。