關(guān)于PSM的相關(guān)問題

老師，您好！我在論文寫作時(shí)有以下兩個(gè)問題：

1.在進(jìn)行傾向得分匹配之后，我看到有直接利用報(bào)告的ATT值進(jìn)行分析的情況，也有再篩選出匹配成功的樣本進(jìn)行OLS回歸利用回歸系數(shù)說明影響的情況。這兩種方法都可以嗎？還是用哪種更好一些。

2.我在對(duì)全樣本進(jìn)行匹配之后，想要按全樣本進(jìn)行分組直接得到各分組情況的ATT值，這個(gè)有單獨(dú)的命令嗎？

1.OLS回歸和PSM都存在著一些局限性，當(dāng)然為什么還使用PSM，首先，當(dāng)我們選擇利用logit模型來估計(jì)傾向值得分，并在第二階段得到ATT時(shí)，PSM是一種半?yún)⒌墓烙?jì)方法，它也會(huì)存在模型設(shè)定偏誤的問題。其次，有些研究者將那么不在共同支撐域內(nèi)的樣本剔除后，用OLS回歸方法來擬合共同支撐域內(nèi)的樣本。這種方法是否可?。课矣X得并不可取，我們知道在估計(jì)了傾向值得分之后，PSM的第二步采用了諸多方法將傾向得分幾乎相同的處理組和對(duì)照組匹配起來，從而比較他們之間的結(jié)果差異，最終通過加權(quán)平均得到了ATT、ATU和ATE。而利用OLS擬合共同支撐域的樣本，它存在很多缺陷，一是模型設(shè)定偏誤問題，OLS估計(jì)是一種參數(shù)估計(jì)，參數(shù)估計(jì)都有可能存在模型設(shè)定偏誤問題；二是，它并未將處理組和對(duì)照組按照傾向得分匹配起來，而是將所有樣本進(jìn)行線性擬合，(實(shí)際值-擬合值)的平方和最小時(shí)返回的系數(shù)值，就是估計(jì)值。都是兩階段估計(jì)，但效果不一樣。建議以PSM的估計(jì)結(jié)果為準(zhǔn)。

不管怎么樣，PSM和OLS都只是基于可觀測(cè)變量的控制，而對(duì)于不可觀測(cè)的因素，PSM和OLS能否有效地控制，我們不得而知。因此PSM和OLS都需要進(jìn)行敏感性分析，以檢驗(yàn)遺漏變量問題。OLS使用konfound命令來檢驗(yàn)，PSM通常用rbound、mhbounds或sensimatch，這也是當(dāng)前很多中文期刊忽視的地方，建議審稿人嚴(yán)格把關(guān)。

2. 建議采用kmatch這個(gè)命令，用over(分組變量)，非常方便。當(dāng)然你還需要比較組別之間的系數(shù)是否存在顯著差異，利用lincom這個(gè)命令，例如lincom [0]ATE - [1]ATE。

往期回顧：

互助問答第306期：關(guān)于非線性面板回歸的問題

如果您在計(jì)量學(xué)習(xí)和實(shí)證研究中遇到問題，請(qǐng)及時(shí)發(fā)到郵箱szlw58@126.com，專業(yè)委員會(huì)有30多名編輯都會(huì)看，您的問題會(huì)得到及時(shí)關(guān)注！請(qǐng)您將問題描述清楚，任何有助于把問題描述清楚的細(xì)節(jié)都能使我們更方便地回答您的問題，提問細(xì)則參見：實(shí)證研究互助平臺(tái)最新通知（點(diǎn)擊文末閱讀原文查看詳情）

鮮活的事例更有助于提高您的研究水平，呆板的教科書讓人生厭。如果您喜歡，請(qǐng)?zhí)岢瞿膯栴}，也請(qǐng)轉(zhuǎn)發(fā)推廣！

（歡迎轉(zhuǎn)發(fā)，歡迎分享；轉(zhuǎn)載請(qǐng)注明出處，引用和合作請(qǐng)留言。本文作者擁有所有版權(quán)，原創(chuàng)文章最早發(fā)表于“學(xué)術(shù)苑”。任何侵權(quán)行為將面臨追責(zé)！）

學(xué)術(shù)指導(dǎo)：張曉峒老師 Ben Lambert

本期解答人：李后建老師

編輯：李盺琪

統(tǒng)籌：左川 易仰楠

技術(shù)：劉子瑗

全文完，感謝您的耐心閱讀

請(qǐng)順手點(diǎn)個(gè)“在看”吧~

閱讀原文