傾向匹配分析深度(propsensitymatchinganalysis)(完整版)
【正文】 t模型為例，在stata中，執(zhí)行以下命令：probit [dependent var] [independent var]其中，[dependent var]是一個(gè)0或1的二進(jìn)制變量，1代表該對(duì)象讀了研究生，否則是0。對(duì)于經(jīng)濟(jì)、金融學(xué)領(lǐng)域來(lái)說(shuō)，比如需要研究某個(gè)勞動(dòng)者接受某種高等教育對(duì)其收入的影響，或者比如研究某個(gè)企業(yè)運(yùn)用了某項(xiàng)管理層激勵(lì)措施以后對(duì)企業(yè)業(yè)績(jī)的影響。2. 匹配 根據(jù)傾向值的結(jié)果，從對(duì)照組中選擇1：M個(gè)傾向值接近的個(gè)體與處理組匹配。 傾向值就是研究的個(gè)體在一定可觀測(cè)到的協(xié)變量（混雜）存在的情況下，接受某種干預(yù)的可能性。 而非隨機(jī)對(duì)照研究（如觀察性研究和非隨機(jī)干預(yù)研究）能夠較好地耐受RCT中存在的問(wèn)題，在實(shí)際應(yīng)用中更為廣泛。在20世紀(jì)30年代之前，匹配法（也稱控制法）在因果研究中占據(jù)了壓倒性的地位，科學(xué)家認(rèn)為只有將實(shí)驗(yàn)組和對(duì)照組的所有情況都盡可能接近，才能兩組間的差異是否歸于處理因素。為了證明某種處理（或因素）的作用，將研究對(duì)象隨機(jī)分組并進(jìn)行前瞻性的研究，可以最大程度上確保已知和未知的混雜因素對(duì)各組的影響均衡，闡明處理因素的真實(shí)效應(yīng)。我們常認(rèn)為重點(diǎn)學(xué)校的對(duì)于學(xué)生學(xué)習(xí)能力的提升是優(yōu)于一般學(xué)校的。模型系數(shù)的假設(shè)檢驗(yàn)、擬合度、逐步法篩選變量等，此外，一種較新的自動(dòng)選擇的算法一般加速建模（GBM）法也可用于選擇變量和構(gòu)建模型。不同算法各有優(yōu)劣，實(shí)際應(yīng)用中一般選擇可以使匹配后的處理組和對(duì)照組協(xié)變量均衡，且研究對(duì)象丟失不多的算法。這種方法能讓我們從一大堆沒(méi)有參加培訓(xùn)的人群中（也就是我們的總體樣本的一個(gè)子集），對(duì)每個(gè)人讀研究生的概率進(jìn)行估計(jì)，然后選出和小明具有非常相似的去讀研究生的概率，可是沒(méi)有去讀的同學(xué)小剛——作為小明的對(duì)照，然后再來(lái)看他們的區(qū)別。做好了這些，你就完成了一個(gè)最簡(jiǎn)單的1對(duì)1的傾向得分匹配。PSM介紹傾向得分匹配的理論框架是“反事實(shí)推斷模型”。用ATT(Average treatmenteffect for the treated)來(lái)測(cè)度個(gè)體在干預(yù)狀態(tài)下的平均干預(yù)效應(yīng)，即表示個(gè)體i在干預(yù)狀態(tài)下的觀測(cè)結(jié)果與其反事實(shí)的差，稱為平均干預(yù)效應(yīng)的標(biāo)準(zhǔn)估計(jì)量， 很明顯，反事實(shí) 是我們觀測(cè)不到的，所以我們只有使用個(gè)體i在未干預(yù)狀態(tài)下的觀測(cè)結(jié)果 作為替代來(lái)估計(jì)個(gè)體在干預(yù)狀態(tài)下的潛在結(jié)果——反事實(shí)。但是，如果X并不是某一個(gè)變量，而是一組變量時(shí)，最終簡(jiǎn)單的匹配方式也就不再適用，而是采用傾向得分匹配方式進(jìn)行匹配。所以傾向得分中包含了X中所有變量的信息，綜合反映了每個(gè)個(gè)體X變量組的水平。（3）核匹配（Kernel Matching）將干預(yù)組樣本與由控制組所有樣本計(jì)算出的一個(gè)估計(jì)效果進(jìn)行配對(duì)，其中估計(jì)效果由實(shí)驗(yàn)組個(gè)體得分值與控制組所有樣本得分值加權(quán)平均獲得，而權(quán)數(shù)則由核函數(shù)計(jì)算得出。4. 黃福強(qiáng),杜春霖,孫夢(mèng)輝,等. 傾向評(píng)分配比在SPSS軟件上的實(shí)現(xiàn)[J]. 南方醫(yī)科大學(xué)學(xué)報(bào),2015,(11):15971601.計(jì)量經(jīng)濟(jì)學(xué)圈記錄一個(gè)我們生活在其中的時(shí)代社會(huì)，一個(gè)非常具有潛力的深度與客觀兼具的大號(hào)，囊括的主題如下：經(jīng)濟(jì)、社會(huì)、歷史、新聞、世界、計(jì)量工具。在模型和算法選擇，匹配后處理等方面有諸多細(xì)節(jié)，有需要的可以參照下列書目。同樣的，PSM的主要定理總結(jié)為以下幾點(diǎn)：定理一，傾向得分
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1