求助：选分组配对用循环语句OR PSMATCH2？

无尘第二 发表于 2012-3-22 23:45 当year不是唯一时，上述程序运行遇到下列问题：

*year与stkcd的各种组合应是唯一的（或者说，它们可以用来定义panel data）。若不是，可用duplicates drop来保证。
*从而只需在两处加上year以确定唯一性即可（另外可以再精简几步）：

use match3.dta, clear

bys year ind daq sp (stkcd):g exp=_n if sp
bys year ind daq:egen s=max(exp)
drop if s==.
expandcl s if !sp,cl(year stkcd) gen(g)
bys year stkcd:replace exp=_n if !sp
bys year ind daq exp:egen r=sum(roa*sp)
g q=abs((roa-r)/r) if !sp

*（根据30楼的原则）若要sp=0的观测值最多匹配一次：在此处增加以下几步（否则直接删除以下几步即可）。
*它满足“顺次最小化波动”原则
su exp
loc m=r(max)
forv i=1/`m'{
bys year ind daq sp  (q exp stkcd): g exps=exp[`i'] if !sp
bys year ind daq sp (q exp stkcd): g stkcds=stkcd[`i'] if !sp
bys year ind daq sp (q exp stkcd): replace q=. if exp==exps&_n>`i'
bys year ind daq sp (q exp stkcd): replace q=. if stkcd==stkcds&_n>`i'
drop exps stkcds
}
drop if q==.&!sp

bys year ind daq exp:egen u=min(q) if !sp
drop if u!=q&!sp
egen mat=group(year ind daq exp)
drop exp-u
sort mat sp

sungmoo 发表于 2012-3-24 15:31
*year与stkcd的各种组合应是唯一的（或者说，它们可以用来定义panel data）。若不是，可用duplicates drop来 ...

楼主，你的这个程序似乎确实无法保证配对样本不被重复。
我对match3跑完你的程序后，先drop mat，再duplicates drop，发现有28个完全相同的样本被删除
. drop mat
. duplicates drop
Duplicates in terms of all variables
(28 observations deleted)
或者在跑完程序后duplicates report：
. duplicates report
Duplicates in terms of all variables
--------------------------------------
   copies | observations       surplus
----------+---------------------------
        1 |          272             0
        2 |           28            14
        3 |           12             8
        4 |            8             6
--------------------------------------
说明有样本被重复配对。
顺便说一下，前面https://bbs.pinggu.org/thread-696047-1-1.html中voodoo的程序也存在配对样本重复配对的问题。
非常感谢大家无私且卓越的贡献。

qjq 发表于 2012-3-28 14:47
楼主，你的这个程序似乎确实无法保证配对样本不被重复。

这里先讨论一个问题：

“sp=1且stkcd不同”的观测值是否可以匹配sp=0的同一stkcd的观测值？

简而言之，这里首先讨论的是匹配原则的问题。

举个例子。有四个“sp=1且stkcd不同”的观测值，但仅有一个满足基本条件的（比如同年同行业等等）sp=0的观测值。那么，前面四个观测值是否应该都匹配上后面这个（单一）观测值？

sungmoo 发表于 2012-3-28 16:04
这里先讨论一个问题：

“sp=1且stkcd不同”的观测值是否可以匹配sp=0的同一stkcd的观测值？

楼主高见，确实存在如你所说的情况。
但如果允许“sp=1且stkcd不同”的观测值可以匹配sp=0的同一stkcd的观测值，那么最后在对配对好的整体样本（即既有sp=1又有sp=0的样本）进行分析时，例如进行回归以检验sp是否显著影响某个因变量时，整体样本将存在重复的样本，这个是不允许的。
因此，更合理的配对原则应该要求：某个sp=0的样本一旦按照roa最接近的原则被配对给某个sp=1的样本后，则不再被考虑。
仍以你的例子来说明。四个“sp=1且stkcd不同”的观测值，但仅有一个满足基本条件的（比如同年同行业等等）sp=0的观测值。那么，前面四个观测值只能有一个可以匹配上后面这个（单一）观测值，谁的roa最为接近就匹配谁。其他的三个无法匹配。
但这是比较极端的情况。现在假设四个“sp=1且stkcd不同”的观测值，但有两个满足基本条件的（比如同年同行业等等）sp=0的观测值。那么，前面四个sp=1的观测值，将首先有一个按照roa最为接近的原则匹配上两个sp=0的观测值的其中一个。然后剩下三个sp=1和一个sp=0。再根据roa最接近匹配，只有一个sp=1获得匹配，有2个sp=1无法获得匹配。
在很多情况下，sp=0的配对样本都是远远大于sp=1的初始样本的，因此根据上面的唯一配对原则，最后sp=1的样本一般都可以从sp=0的样本中获得全部配对。（不知道match3是否也这样？）
当然了，我只会提问题，至于如何解决问题则差远了，所以还请楼主这样的高手，如果可以的话，看看能否在原程序上考虑上述唯一配对的问题。楼主的程序确实简洁明快！
非常感谢！

更合理的配对原则应该要求：某个sp=0的样本一旦按照roa最接近的原则被配对给某个sp=1的样本后，则不再被考虑。

见前面修正的帖子（蓝色部分）。

楼主，这个新增的命令是不是相当于将重复配对的样本删除？
是这样的，我检查了一下新程序的配对结果，发现有如下问题，以stkcd=498、year=2007、ind=c4、daq=1的样本为例：
使用新程序前，498的配对样本为600633，这个600633被重复配对2次，另一个配给了样本719。
在使用新程序后，498没有获得配对，600633被配对给了样本719。
我奇怪的是，sp=0的配对样本数量挺多的，难道剩下的配对样本没有和498条件接近的？
为此我截取了year=2007、ind=c4的样本，并gsort -sp daq roa后，得到的数据如下：

从中可以看到，除600633外，编号第5~12的样本其实都可以作为配对，为什么楼主的程序都将其拒绝呢？
例如如果以roa最为接近的话，编号第5的样本就可以作为498的配对。
是楼主设定的roa波动率绝对值最小的要求吗？可是这点不应该妨碍剩余样本的配对啊？
当然，我问的问题有点多了，也是因为对这个配对很感兴趣，楼主有空就回答，没空就罢了。
不管怎样，楼主是个热心的高手，非常感谢！

sungmoo好, 我遇到类似的问题,

程序很好用, 非常感谢

我问的问题有点多了，也是因为对这个配对很感兴趣

个人以为，最好一并、完整、细致地说清楚你的配对方案（或原则）。每个人的配对方案未必一致。

是楼主设定的roa波动率绝对值最小的要求吗？可是这点不应该妨碍剩余样本的配对啊？

对于sp=1与sp=0都存在多个观测值的情形，若多个sp=1的观测值的“最符合匹配要求的”sp=0的观测值是相同的，则根据什么把该sp=0的观测值匹配给这个（sp=1的观测值）而不是那个（sp=1的观测值）？

其实，这里不是“问的问题多了”，而是没有看到完整、细致的配对规则说明。

再根据roa最接近匹配，只有一个sp=1获得匹配，有2个sp=1无法获得匹配。

你在之前的帖子也提到过这一点。但是，在新帖子中，你的匹配原则似乎又变动了。

这里的“无法获得匹配”是什么意义？（或者，对应什么原则？）

为此我截取了year=2007、ind=c4的样本，并gsort -sp daq roa后，得到的数据如下：

*以match3为例（亦以你举的例子为例）

sort year ind daq sp stkcd

*应该得到如下数据：

stkcd           year         roa             ind      daq    sp
609             2007        .155882        C4        1        0
620             2007        .129541        C4        1        0
732             2007        .053953        C4        1        0
791             2007        .017712        C4        1        0
600378        2007        .043076        C4        1        0
600599        2007        .07363         C4         1        0
600617        2007        .046283        C4        1        0
600633       2007        -.03197        C4        1        0
600985        2007        .043491        C4        1        0
498              2007        -.607564       C4         1         1
719              2007        -.323066       C4         1         1

上面数据中，sp==1有两个观测值。显然，sp==0的观测值中，只有stkcd==600633的roa与它们都最接近。按你的原则，就上面这些观测值，应该怎么配对？（简单说，根据什么将此值只配给stkcd==498或stkcd==719而非另一个？）

sungmoo 发表于 2012-3-30 12:19
*以match3为例（亦以你举的例子为例）

sort year ind daq sp stkcd

楼主，非常感谢你的答复。其实新程序已经很好用，我之所以还问问题，是因为觉得sp=1的样本本来就少（match3中，总观测值为4871，但sp=1的观测值只有163，而sp=0的样本则为4708），但在新程序下有一些sp=1的样本没有获得配对（如stkcd==498），这样会导致配对后可用于分析的sp=1的样本更少。所以就想能否改进一下配对原则？

下面是我的配对规则。仍以match3.dta为例，要求为试验组（即sp=1的样本，共163个）在对照组（sp=0，共4708个）中寻找配对样本，配对规则如下：
(1)同行业ind。
(2)同年度year。
(3)应计额daq一样。
(4)roa最接近（这里roa是指原值本身，不是绝对值），具体而言，就是对照组与试验组的roa的差的绝对值最小；以楼主给出的数据为例，由于600633的roa与sp=1的两个观测值都接近，为此计算roa的差的绝对值，对于498：abs1=abs[(-.607564)-(-.03197)]=0.575594；对于719：abs2=abs[(-.323066)-(-.03197))]=0.291096。由于abs1>abs2，因此600633优先配对给719。
(5)每个对照组观测值只能配对一次。延续上面规则(4)的说明，由于600633已经配对给了719，因此600633不再被考虑。
(6)尚未获得配对的实验组观测值，从尚未被配对的对照组观测值中，继续按照上述规则(1)~(5)选择配对。延续规则(5)的说明，由于实验组498尚未获得配对，因此继续在剔除了600633的对照组中寻找配对。而根据roa的差的绝对值最小的原则，此时观测值791应该作为配对。这样，sp=1的两个样本就都获得了配对，而不是只有719获得配对。
stkcd           year         roa             ind      daq    sp
609             2007        .155882        C4        1        0
620             2007        .129541        C4        1        0
732             2007        .053953        C4        1        0
791             2007        .017712        C4        1        0
600378          2007        .043076        C4        1        0
600599          2007        .07363         C4        1        0
600617          2007        .046283        C4        1        0
600633          2007        -.03197        C4         1        0
600985          2007        .043491        C4         1        0
498             2007        -.607564       C4         1        1
719             2007        -.323066       C4         1        1

仍以match3数据为例，在上述规则下，不知程序如何改进？
再次感谢楼主的答复！