1.數據來源
來源：網絡資源，其實也比較容易找，比如人大經濟論壇。但為了避免相關的版權爭議，我重新寫了一個do文件，處理的方法和變量也有改變。
舉例：接受培訓對於工資的影響
分析思路：（1）驗證選擇性的存在；（2）傾向值打分；（3）匹配估計量
兩種方法：pscore；psmatch2
所選用數據：國家支持工作示範項目（National Supported Work,NSW）
2.原理
需要估計的內容：處理效應，Treatment Effect
評估某項目或政策實施後的效應，如政策推出的各種項目，此類研究被稱之為項目效應評估，也被稱之為處理效應，項目參與者的全體構成控制組或對照組，而未參加項目者則構成控制組或對照組。即y1i-y0i。
選擇性偏誤：
由於個體通常會根據其參加項目的預期收益E（y1i-y0i）而自我選擇是否參加項目，導致對平均處理效應的估計帶來困難。
兩大假定：
可忽略性：給定xi，則（y0i，y1i）獨立於Di
均值可忽略性：在給定xi的情況下， y0i和y1i都均值獨立於Di
匹配估計量的基本思路：
找到屬於控制組的某個體j使得其與屬於處理組的個體i的可測變量取值儘可能相似，即xi ≈xj。
基於可忽略性假設，則個體i與個體j進入處理組的概率相近，具有可比性，故可將yj作為y0i的估計量。
目標：
在一般的實證研究中，由於存在很多其他變量混淆自變量和因變量之間的關係，研究者很難直接探索二者之間的淨效果( net effects)。這些混淆變量的影響通常被稱為選擇性誤差( selectionbias) ， 而通過傾向值匹配的方式來控制和消除選擇性誤差
3.實操
變量：
變量
定義
treat
接受培訓（處理組）表示1，沒有接受培訓（控制組）表示0
age
年齡
educ
受教育年數
black
虛擬變量，black=1
hsip
虛擬變量，hsip=1
marr
婚姻狀況虛擬變量，已婚，marr=1
re74
1974年實際工資
re75
1975年實際工資
re78
1978年實際工資
u74
當在1974年失業，u74=1
agesq
age*age
educsq
educ*educ
re74sq
re74*re74
re75sq
re75*re75
u74blcak
u74*blcak
（1）檢驗選擇性的存在
**--基本命令--**
cd: work_file_path...
use nswpsid.dta,clear
browse
rename _all,lower
*我手頭的數據變量名全部為大寫，便於觀察，我統一修改為小寫
reg re78 treat age educ black hisp marr re74 re75 agesq educsq nodegree re74sq re75sq u74black u74hisp
reg re78 treat
下圖中，treat效果並不顯著。大量的自變量的存在也導致了一定的共線性問題，也就是說，其他變量稀釋了treat變量解釋的方差。
下圖顯示，treat顯著，說明是存在選擇性問題的。
（2）傾向值打分
**--基本命令--**
global breps 1000
*設定重複抽樣全局宏1000次
global vars age agesq educ educsq black hisp marr re74 re75 re74sq u74 u75 u74hisp nodegree
*設定一個全局宏vars，代表後面的變量
pscore treat $vars, pscore(myscore) comsup blockid(myblock) numblo(10) level(0.005) logit
*設置block，設置顯著性水平0.005，採用logit估計。一般而言，logit和probit都是比較常用的估計方法。
*這個模型也叫作選擇模型。
*我們應該先檢驗打分的平衡性。
選擇模型
描述~~
滿足了平衡性要求。
（3）匹配估計量
注意：由於採用了自助法抽樣，而且是1000次，所以計算起來會費時費力，在此僅做演示。
（電腦配置：臺式機，六代i7處理器，16G內存，1T硬碟+256G SSD。部分模型計算時間超過五分鐘）
方法一：近鄰匹配（nearest neighbor matching）
含義：最鄰近匹配法是最常用的一種匹配方法，它把控制組中找到的與處理組個體傾向得分差異最小的個體，作為自己的比較對象 。
優點：按處理個體找控制個體，所有處理個體都會配對成功，處理組的信息得以充分使用。
缺點：由於不捨棄任何一個處理組，很可能有些配對組的傾向得分差距很大，也將其配對，導致配對質量不高，而處理效應ATT的結果中也會包含這一差距，使得ATT精確度下降。
*--基本命令--**
set seed 12345
*（產生隨機數種子）
attnd re78 treat $vars,comsup boot reps($breps) dots logit
可以看到，這個估計結果並不好。但經過重複抽樣之後，可以看到估計結果有了明顯的改善。
方法二：半徑匹配（radius matching）
半徑匹配法是事先設定半徑，找到所有設定半徑範圍內的單位圓中的控制樣本，半逕取值為正。隨著半徑的降低，匹配的要求越來越嚴。
**--基本命令--**
set seed 12345
attr re78 treat $vars, comsup boot reps($breps) dots logit radius(0.001)
在重複抽樣後，標準誤和t值估計的更為穩健。
方法三：分層匹配（stratification matching）
分層匹配法是根據估計的傾向得分將全部樣本分塊，使得每塊的平均傾向得分在處理組和控制組中相等。
優點：Cochrane ,Chambers（1965）指出五個區就可以消除95%的與協變量相關的偏差。這個方法考慮到了樣本的分層問題或聚類問題。就是假定：每一層內的個體樣本具有相關性，而各層之間的樣本不具有相關性。
缺點：如果在每個區內找不到對照個體，那麼這類個體的信息，會丟棄不用。總體配對的數量減少。
**--基本命令--**
set seed 12345
atts re78 treat $vars, pscore(mypscore) blockid(myblock) comsup boot reps($breps) dots
可以看到，在抽樣評估之前，並沒有估計出準確的t值的解析解。自助法抽樣之後，得到了數值。
方法四：核匹配法（kernel matching）
核匹配是一種非參數方法，通過構造一個虛擬對象來匹配處理組，構造的原則是對現有的控制變量做權重平均，權重的取值與處理組、控制組PS值差距呈反向相關關係。
**--基本命令--**
set seed 12345
attk re78 treat $vars,comsup boot reps($breps) dots logit
核估計同樣如此。
方法五：馬氏距離
由於在傾向得分匹配第一階段估計傾向得分時存在不確定性，Abadie and Imbens的相關研究又重新回到更簡單的馬氏距離，進行有放回且允許並列的k近鄰匹配，針對非精確匹配一般存在偏差，提出了偏差校正的方法，通過回歸的方法估計偏差，然後得到偏差校正匹配估計量。
**--基本命令--**
nnmatch re78 treat $vars, m(4) tc(att) population bias(bias) robust(4)
以下內容下次再進行介紹~~
（4）模型總結和匯總
根據一般論文中匯報的結構，進行制表和製圖（ps在控制組和幹預組的支持圖）。
（5）傾向得分估計的另一種思路：psmatch2
在接續之前，我還是要簡單回顧一下上篇文章的內容。
第一部分：數據來源
用的是國家支持工作示範項目（National Supported Work,NSW）數據，這個數據在計量經濟學中的地位，應該不亞於auto.dta（汽車數據）的地位。所以在絕大多數涉及到PSM或者「處理效應模型」的教材中，都會使用這個數據。
在示例中，使用的是一個子數據集nswpsid.dta，這個數據子集是由Dehejia和Wahba倆人構建出來的（1999），原始數據是Lalonde在1986年使用的。
本文數據及分析有兩個來源：
第一個來源在Cameron&Trived《微觀計量經濟學：方法與應用》（中譯本，上海財經大學出版社，2010）pp794-800。
第二個來源在陳強的《高級計量經濟學及stata應用（第二版）》（高等教育出版社，2014）pp546-555。
第一個來源主要是介紹pscore，第二個來源介紹psmatch2，兩個方法其實沒有什麼本質的差別。
第二部分：PSM的原理
步驟：（1）驗證選擇性的存在；（2）傾向值打分；（3）匹配估計量
第三部分：PSM的實際操作
幾種方法：
緊鄰匹配、卡尺匹配、分層匹配、核匹配、馬氏距離等等。其實遠不止這五種，不過要說常用，這幾種屬於比較常用的方法。
（4）模型總結和匯總
根據一般論文中匯報的結構，進行制表和製圖（ps在控制組和幹預組的支持圖）。
制表這個太基礎了，大家可以自行查閱相關的論文，如何匯報匹配估計量及其檢驗結果。當然，不能忘記敏感性分析。
一般而言，我們會選用box-plot或者kdensity-plot，在下面，分別展示一下。
**--基本命令--**
*箱圖
gr box myscore, over(treat) scheme(s1mono) saving(ps_box.gph,replace)
*核密度圖
kdensity myscore if treat==0, normal xtitle("Control") scheme(s1mono) saving(ps_2006_1.gph,replace)
kdensity myscore if treat==1, normal xtitle("Treated") scheme(s1mono) saving(ps_2006_2.gph,replace)
gr combine ps_2006_1.gph ps_2006_2.gph, xcommon ycommon saving(ps_2006.gph,replace)
在這個樣例中，箱線圖做出來的效果其實很差。為什麼呢？因為treat==1的組別樣本量太少。
但是，在核密度圖中，這個效果表現的就非常好。因為核估計是非參數估計的，所受到的約束會更小。
下圖為參照組：
下圖為幹預組：
傾向得分估計的另一種思路：psmatch2
其實呢，psmatch2和pscore除了句法結構稍有不同之外，估計的結果等是完全相同的。
我大致列一下命令，感興趣的朋友可以自行嘗試。
**--基本命令--**
use nswpsid,clear
rename _all,lower
global breps 1000
global vars age agesq educ educsq black hisp marr re74 re75 re74sq u74 u75 u74hisp nodegree
psmatch2 treat $vars ,out(re78)
*近鄰匹配
psmatch2 treat $vars,out(re78) neighbor(2) ate
*半徑匹配
psmatch2 treat $vars,out(re78) ate radius caliper(0.01)
*核匹配
psmatch2 treat $vars,out(re78) ate kernel
*對自變量進行平衡性檢驗
pstest $vars, both graph
*共同支持區間
psgraph
近鄰匹配~~
跳過幾個步驟，直接到pstest
最後得到圖形如下：
共同支持區間：
比較差。還是樣本量的原因。
形而上者謂之道，形而下者謂之器。或者也可以將形而下稱之為「術」。
做計量研究，其實最初步的研究就是「技術層面」的問題，我們可以知其然（術）不知其所以然（道），根據課本的例子就可以去照貓畫虎生造一些模型。這個方法用於初學和訓練當然無可指摘，但長久下來，這個學習方法肯定是不行的。（在這裡就不涉及論文寫作中的「問題意識」了，單純討論方法論）
那什麼是「道」這個層面的問題呢？當然，往上一步就是方法論。計量研究的方法論是個「求真」的過程，在通俗的語境來解釋，就是一個「精確估計」樣本統計量並儘可能準確地推斷總體的過程。這和經驗哲學以及科學哲學有著很多契合，就是所謂的「工具理性」。具體到研究中，精確地估計（準確--是不可能達到的目標）就需要克服各種實實在在的困難，這些困難會干擾結果。
那麼，「這些困難」也就回到了「誤差項」這個範疇中，也就是各種內生性和異質性的問題了。所以，計量研究方法論最核心的問題就是怎樣解決內生性問題。
兜了這麼大圈子，說說傾向值匹配的優點吧：毫無疑問，相比於常規的OLS，在OLS對選擇性或者幹預性時間的估計出現偏誤時候，PSM可以（在一定程度上）克服選擇性問題。通過設定選擇模型，實現控制組和幹預組的狀態的「拉平」和配對。進一步，實現了可忽略假設以及反事實推斷中「若甲是乙，在同等幹預條件下會如何」的設定。最後就是匹配估計量。
看上去很完美。
但結局很殘酷。
越複雜的模型越脆弱，假設越強，設定條件越多。所以PSM是有很強的局限性的。
考慮到我的表述不太精確，引用陳強《高級計量經濟學及stata應用》pp.545的一段話：
（1）PSM通常要求比較大的樣本容量以達到高質量的匹配。
（2）PSM要求除立足於控制組的傾向得分有較大的共同取值範圍；否則會丟失較多的觀測值，導致剩下的樣本不具有代表性；
（3）PSM只控制了可側變量的影響，如果仍然存在依不可測變量選擇（selection on observable），仍然會帶來隱形偏差。
另外呢，Gary King和 Richard Nielsen在2015年的工作論文「Why Propensity Scores Should Not Be Used for Matching」中也講了一些為什麼這個方法會存在問題。題目有點兒駭人聽聞，其實主要是講，有些PSM的研究忽視了樣本間的不平衡性，用PSM生造出來的研究肯定會有這個問題。我把二人的摘要貼出來，看一下為啥會這樣~~
Researchers use propensity score matching (PSM) as a data preprocessing step to selectively prune units prior to applying a model to estimate a causal effect. The goal of PSM is to reduce imbalance（目的就是為了減少不平衡性） in the chosen pre-treatment covariates between the treated and control groups, thereby reducing the degree of model dependence and potential for bias（削減模型依賴性及偏誤）. We show here that PSM often accomplishes the opposite of what is intended — increasing imbalance, inefficiency, model dependence, and bias. Theweakness of PSM is that it attempts to approximate a completely randomized experiment, rather than, as with other matching methods, a more powerful fully blocked randomized experiment. PSM, unlike other matching methods, is thus blind to the often large portion of imbalance that could have been eliminated by approximating full blocking. Moreover, in data balanced enough to approximate complete randomization, either to begin with or after pruning some observations, PSM approximates random matching which turns out to increase imbalance. For other matching methods, the point where additional pruning increases imbalance occurs much later in the pruning process, when full blocking is approximated and there is no reason to prune, and so the danger is considerably less. We show that these problems with PSM occur even in data designed for PSM, with as few as two covariates, and in many real applications. Although these results suggest that researchers replace PSM with one of the other available methods when performing matching, propensity scores have many other productive uses.（最後並不是完全地否定）
來源：微信公眾號計量經濟圈