倾向匹配得分教程附操作应用平衡性检

　　本文主要包括倾向匹配得分命令简介、语法格式、倾向匹配得分操作步骤思路，涉及倾向匹配得分应用、平衡性检验、共同取值范围检验、核密度函数图等内容。
　　1：hr命令简介
　　Statadoesnothaveabuiltincommandforpropensityscorematching，anonexperimentalmethodofsamplingthatproducesacontrolgroupwhosedistributionofcovariatesissimilartothatofthetreatedgroup。However，thereareseveraluserwrittenmodulesforthismethod。Thefollowingmodulesareamongthemostpopular：
　　Stata没有一个内置的倾向评分匹配的命令，一种非实验性的抽样方法，它产生一个控制组，它的协变量分布与被处理组的分布相似。但是，这个方法有几个用户编写的模块。以下是最受欢迎的模块（主要有如下几个外部命令）
　　psmatch2。ado
　　pscore。ado
　　nnmatch。ado
　　psmatch2。adowasdevelopedbyLeuvenandSianesi（2003）andpscore。adobyBeckerandIchino（2002）。Morerecently，Abadie，Drukker，Herr，andImbens（2004）introducednnmatch。ado。Allthreemodulessupportpairmatchingaswellassubclassification。
　　Youcanfindthesemodulesusingthe。netcommandasfollows：
　　netsearchpsmatch2
　　netsearchpscore
　　netsearchnnmatch
　　Youcaninstallthesemodulesusingthe。sscor。netcommand，forexample：
　　sscinstallpsmatch2，replace
　　Afterinstallation，readthehelpfilestofindthecorrectusage，forexample：
　　helppsmatch2
　　上述主要介绍了如何获得PSM相关的命令，总结一下目前市面上用的较好的命令为psmatch2。
　　PSM相关命令
　　helppsmatch2
　　helpnnmatch
　　helppsmatch
　　helppscore
　　持续获取最新的PSM信息和程序
　　finditpropensityscore
　　finditmatching
　　psmatch2isbeingcontinuouslyimprovedanddeveloped。Makesuretokeepyourversionuptodateasfollows
　　sscinstallpsmatch2，replace
　　whereyoucancheckyourversionasfollows：
　　whichpsmatch2
　　2：hr语法格式
　　语法格式为：
　　helppsmatch2
　　psmatch2depvar〔indepvars〕〔ifexp〕〔inrange〕〔，outcome（varlist）pscore（varname）neighbor（integer）radiuscaliper（real）mahalanobis（varlist）ai（integer）populationaltvariancekernelllrkerneltype（type）bwidth（real）splinenknots（integer）commontrim（real）noreplacementdescendingoddsindexlogittiesquietlyw（matrix）ate〕
　　选项含义为：
　　depvar因变量；
　　indepvars表示协变量；
　　outcome（varlist）表示结果变量；
　　logit指定使用logit模型进行拟合，默认的是probit模型；
　　neighbor（1）指定按照1：1进行匹配，如果要按照1：3进行匹配，则设定为neighbor（3）；
　　radius表示半径匹配
　　核匹配（Kernelmatching）
　　其他匹配方法
　　广义精确匹配（CoarsenedExactMatching）helpcem
　　局部线性回归匹配（Locallinearregressionmatching）
　　样条匹配（Splinematching）
　　马氏匹配（Mahalanobismatching）
　　pstestX，both做匹配前后的均衡性检验，理论上说此处只能对连续变量做均衡性检验，对分类变量的均衡性检验应该重新整理数据后运用2检验或者秩和检验。但此处对于分类变量也有一定的参考价值。
　　psgraph对匹配的结果进行图示。
　　3：hr案例应用
　　政策背景：国家支持工作示范项目（NationalSupportedWork，NSW）
　　研究目的：检验接受该项目（培训）与不接受该项目（培训）对工资的影响。基本思想：分析接受培训组（处理组，treatmentgroup）接受培训行为与不接受培训行为在工资表现上的差异。但是，现实可以观测到的是处理组接受培训的事实，而处理组没有接受培训会怎样是不可能观测到的，这种状态也成为反事实（counterfactual）。
　　匹配法就是为了解决这种不可观测事实的方法。在倾向得分匹配方法（PropensityScoreMatching）中，根据处理指示变量将样本分为两个组，一是处理组，在本例中就是在NSW实施后接受培训的组；二是对照组（comparisongroup），在本例中就是在NSW实施后不接受培训的组。倾向得分匹配方法的基本思想是，在处理组和对照组样本通过一定的方式匹配后，在其他条件完全相同的情况下，通过接受培训的组（处理组）与不接受培训的组（对照组）在工资表现上的差异来判断接受培训的行为与工资之间的因果关系。
　　1、首先进行数据结构查看
　　useldwexper。dta，cleareddesc
　　结果为：
　　2、描述性分析
　　tabulatet，summarize（re78）meansstandard
　　结果为：
　　3、倾向匹配得分
　　3。1首先进行排序，生成随机数种子
　　setseed20180105产生随机数种子genuruniform（）sortu排序或者orderu
　　3。2倾向匹配得分
　　localv1tlocalv2ageedublackhispmarriedre74re75u74u75globalxv1v2
　　psmatch2x，out（re78）neighbor（1）atetieslogitcommon1：1匹配表示引用宏变量，
　　等价于psmatch2tageedublackhispmarriedre74re75u74u75，out（re78）neighbor（1）atetieslogitcommon
　　结果为：
　　3。3查看匹配后数据
　　结果为：
　　打开数据编辑窗口，会发现软件自动生成了几个新变量：
　　其中pscore是每个观测值对应的倾向值；
　　id是自动生成的每一个观测对象唯一的ID（事实上这列变量即是对pscore排序）；
　　treated表示某个对象是否试验组；
　　n1表示的是他被匹配到的对照对象的id（如果是1：3匹配，还会生成n2，n3）；
　　pdif表示一组匹配了的观察对象他们概率值的差。
　　3。4均衡性检验
　　pstestv2，bothgraph
　　结果为：
　　3。5共同取值范围
　　psgraph
　　结果为：
　　3。6核密度函数图
　　twoway（kdensitypsiftreat1，legend（label（1Treat）））（kdensitypsiftreat0，legend（label（2Control））），xtitle（Pscoreamp；gt；）title（BeforeMatching）
　　。twoway（kdensitypsiftreat1，legend（label（1Treat）））（kdensitypsif（weight！1amp；amp；weight！。），legend（label（2Control））），amp；gt；xtitle（Pscore）title（AfterMatching）
　　结果为：