psm的stata实现

关注

VIP免费原创最新推荐文章于 2026-06-28 14:55:48 发布 8.2k 阅读 AI 写同款· GEO 优化 ›

因果推断——倾向性得分(PSM)-基于Stata操作分析利用倾向性得分(PSM)计算平均因果效应(ATE)-Stata操作及分析阅读详情

1. PSM 简介

在经济学中，我们通常希望评估某项公共政策实施后的效应，为此，我们构建 "处理组" 和 "控制组" 以评估「处理效应 (treatment effect)」。然而，我们的数据通常来自非随机的观察研究中，处理组和控制组的初始条件不完全相同，故存在「选择偏差 ( selection bias)」问题。「倾向得分匹配 (PSM)」法使用倾向得分函数将多维向量的信息压缩到一维，然后根据倾向得分进行匹配。这样可以在既定的可观测特征变量下，使得处理组个体和控制组个体尽可能相似，因而可以缓解处理效应的选择偏差问题。

匹配的思想如下：

假如某个体在处理组，为了找到对照，找至少一个其他各方面与该个体尽量相似但出于控制组的个体，这样两者就有可比性。

倾向得分匹配是指，找一个其他各方面与该个体尽量相似意味着要考虑两个个体的很多方面，让尽可能多的方面尽量相似，而高维匹配并不容易，因为维度越高找一个各方面相似的两个个体越难。为了解决这个问题，Rosenbaum and Rubin (1983)提出了倾向得分的概念。个体的倾向得分是指在个体情况一定的前提下，其进入处理组的概率。倾向得分用logit回归，选择尽可能多的协变量，也就是刚才说的“其他各方面”，类似于回归中的控制变量。计算倾向得分类似于一个降维的过程，把非常多的协变量维度降为一个维度，就是倾向得分，也就是倾向得分综合包含了所有协变量的信息。两个个体的倾向得分非常接近，并不意味着这两个个体的其他属性也接近，这不好判断。不过根据PSM的原理，倾向得分接近就够了，其他属性也接近更好。

2. PSM 的分析过程

2.1 PSM 模型设定

对于个体，根据是否进行某项处理可以分为两种结果：表示个体是否进行某项处理，即 1 表示处理，0表示未处理；
对于离散变量：

gen dv_dum=2 //dv是指变量，dv_dum是指生成自变量的二元变量。
replace dv_dum=0 if dv=0 
replace dv_dum=1 if dv=1

如果你的自变量本身就是标为0和1，这一步可以不用，但是如果标为1和2或者其他符号，一定要转换为0和1.

对于连续变量：
quantities dv, gen (dv_dum) nq(3)//根据分位数产生三个虚拟变量，也就是决定选择一个三分位数（上三分位或者下三分位数）为临界值。

replace dv_dum=0 if dv_dum==1
replace dv_dum=0 if dv_dum==2
replace dv_dum=1 if dv_dum==3    //意思是把自变量从小到大排列，最大的1/3作为较高的组，标为1，剩余较小的2/3作为较低的组，标为0.

2.2 PSM 一般步骤

选择协变量：尽可能涵盖有影响的相关变量；
获取 PS 值：可以使用 probit 或 logit 模型估计；
检验平行假设是否满足：使得在匹配后的处理组均值和控制组均值较接近，保证数据平衡；
根据 PS值将处理组个体和控制组个体进行配对：匹配的方法有最近邻匹配、半径匹配、核匹配等；
根据匹配后样本计算 ATT 。