傾向匹配分析深度(propsensity-matching-analysis)-資料下載頁
2025-06-16 21:31本頁面
【正文】 行匹配來代替了X所有變量為基礎(chǔ)對個體進行匹配。同樣的，PSM的主要定理總結(jié)為以下幾點：定理一，傾向得分p(X)是一個平衡得分。有著相同傾向得分的兩組個體之間的特征顯然是平衡的。定理二，如果條件獨立假設(shè)依舊成立，那么潛在結(jié)果在傾向得分的條件下也將獨立于干預(yù)狀態(tài)。也就是說，只要向量X包含滿足CIA的所有相關(guān)信息，那么傾向得分的條件作用也就等價于向量X中所有變量的條件作用。所以，PSM的ATT(x)的表達式為： 為了估計ATT，需對p(X)在干預(yù)上的條件作用的分布取平均： PSM的步驟計算傾向值（采用logistic回歸）進行得分匹配得分匹配的幾種方法：（1）最鄰近匹配（Nearest neighbor matching, NNM）(是否使用卡尺 with or without caliper)以傾向得分為依據(jù)，在控制組樣本中向前或向后尋找最接近干預(yù)組樣本得分的對象，并形成配對。（2）半徑匹配（Radius matching）設(shè)定一個常數(shù)r（可理解為區(qū)間或范圍，一般設(shè)定為小于傾向得分標(biāo)準(zhǔn)差的四分之一），將實驗組中得分值與控制組得分值的差異在r內(nèi)的進行配對。（3）核匹配（Kernel Matching）將干預(yù)組樣本與由控制組所有樣本計算出的一個估計效果進行配對，其中估計效果由實驗組個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)計算得出。評定匹配后的平衡性計算平均干預(yù)效果（ATT）進行敏感性分析推薦書籍與文獻 傾向值分析方法相對較新，近年來很多方法也發(fā)展迅速，本文只對起源和主要步驟進行介紹。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。 1.《傾向值分析：統(tǒng)計方法與應(yīng)用》 對傾向值分析的起源、原理、應(yīng)用和示例做了詳細(xì)的介紹，并提供了數(shù)據(jù)和軟件代碼（Stata）。該書為譯文，英文著作已在2014年推出第版《Propensity Score Analysis: Statistical Methods and Applications 2nd Edition》，對新的方法進行了更新，內(nèi)容也更豐富，應(yīng)該是目前關(guān)于傾向值分析最詳細(xì)的教材。第二版的數(shù)據(jù)和代碼見：, Falbe K, Manuel A K, et al. A StepbyStepGuide to Propensity Score Matching in R.[J]. Practical Assessment Research amp。 Evaluation, 2014, 19. R軟件MatchIt包的簡易教程，對結(jié)果的講解較詳細(xì)，可實現(xiàn)常用傾向值分析的功能。3. MatchIt: Nonparametric Preprocessing for Parametric Causal Inference R軟件MatchIt包教程的詳細(xì)版，對參數(shù)設(shè)置和原理進行了解釋，并提供操作的語法示例。4. 黃福強,杜春霖,孫夢輝,等. 傾向評分配比在SPSS軟件上的實現(xiàn)[J]. 南方醫(yī)科大學(xué)學(xué)報,2015,(11):15971601.@計量經(jīng)濟學(xué)圈記錄一個我們生活在其中的時代社會，一個非常具有潛力的深度與客觀兼具的大號，囊括的主題如下：經(jīng)濟、社會、歷史、新聞、世界、計量工具。
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1