PSM前后核密度函数图没有差别

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

想问一下大家，PSM前后的核密度函数图基本没有差别是为什么……有时候甚至差距还变大了？
是模型选择不够好吗？

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1 回帖

关键词：核密度函数 密度函数 核密度 PSM 模型选择 PSM 倾向评分匹配 psmatch 核密度图

同问，楼主解决了吗？邻近匹配画出来的可以，但是为什么半径匹配和核匹配不行？

Vicky0512 发表于 2019-6-27 10:27
同问，楼主解决了吗？邻近匹配画出来的可以，但是为什么半径匹配和核匹配不行？

请问楼主怎么画核密度匹配图呀，

请问楼主的问题解决了吗

请问楼主问题解决了吗？求赐教

HOUCHI19940215 发表于 2020-4-21 16:03
请问楼主问题解决了吗？求赐教

请问您最后问题解决了吗？我现在也出现了同样的问题，匹配前后的核密度图几乎没有差别。请问是不是共变量的选择出现问题？

请问解决了吗？

试着用一下这个：

1. *匹配前
   
2. twoway (kdensity _pscore if _treated==1) (kdensity _pscore if _treated==0, ///
   
3. lpattern(dash)), legend( label( 1 "treated") label( 2 "control" ) ) ///
   
4. xtitle("propensity scores BEFORE matching") name(before, replace)
   
5. 
   
6. *匹配后
   
7. twoway (kdensity _pscore if _treated==1 [aweight=_weight]) ///
   
8. (kdensity _pscore if _treated==0 [aweight=_weight] ///
   
9. , lpattern(dash)), legend( label( 1 "treated") label( 2 "control" )) ///
   
10. xtitle("propensity scores AFTER matching") name(after, replace)

复制代码

匹配效果不佳:

可能没有找到合适的匹配算法或参数，导致匹配后的组别之间仍然存在显著差异。
倾向得分分布问题:

如果倾向得分的分布对于不同组别高度重叠，匹配可能更容易实现。如果分布差异很大，找到合适的匹配对象可能较难。
协变量选择不当:

使用的协变量可能没有涵盖所有影响处理分配和结果变量的关键因素。
样本量不足:

如果样本量较小，可能难以找到合适的匹配对。
模型设定问题:

倾向得分模型可能没有正确地捕捉到影响处理分配的因素。
数据问题:

数据中可能存在异常值或极端值，这些值可能对匹配结果产生较大影响。
匹配方法的局限性:

某些匹配方法可能在特定情况下效果不佳，例如最近邻匹配可能在某些情况下导致匹配不平衡。
核密度估计的参数设置:

核密度估计的带宽（bandwidth）选择对图形的平滑度有很大影响，不同的带宽设置可能导致核密度图的差异。
随机误差:

即使匹配得当，由于随机误差的存在，匹配后的分布也可能不会完全重叠。
评估匹配效果的方法:

除了核密度图之外，还应使用其他统计方法（如t检验、卡方检验等）来评估匹配前后的平衡性。