6.23 PSM workshop 7在线视频

好

我们这个数据都准备好了

换成另外一个数据

BBS数据

那么这个数据它可以让我们来分析

就是不同的学历

对于工资的影响

那么学历就是一个multi

category

它就不是只有01这两种

它是有多种

大家看一下

四行命令

那么这个根据不同的ed就是学历

根据不同的学历

他的工资

的均值是多少

我们可以做一个简单的

了解

那么我们可以看到 education

他在这里面一共有4类

一个是non的话就是没有受教育经历

这个就应该是control

group

还有就是OAH这三种

那么

我们可以看到这一共是4类

它有一个顺序

那么从低到高

他们的工资

均值

分别是678

和10

那么这个就是一个大概的情况

那么当然是个学历

咱们都知道他是自选择的变量

跟他的很多潜在因素是有关的

所以我们简单的做这样的一个均值比较

并不能够说明它们的差值就是treatment

effect

所以我们

回到do file大家来看

是可以用

不同的命令用ra

用 aipw

等等都可以

来去

判断

真正的treatment分别是多少

大家先跑一下第44行

第44行跑出来

是这样的一个结果

那么显然这个信息就比之前

01变量要稍微丰富一点

因为我们这里一共有4组

那么4组默认是吧

最低一组当做control group

就是赋值最低的这组就是Non

那么分别就报告了

o a h这三组

他们针对

non这一组

的均值差

分别是1.1 1.7

还有3.9

那么以及它的显著度那么都是显著的

那么这个就是按说是一个无偏估计

在

符合假设的前提下

同时就是把 potential

outcome mean就是把

control group

的 potential

outcome

mean

也报告出来

那么6.5

跟前面6.05

大家可以看它是不一样的

那么这个是因为我们

对他的

其他几组人

他的potential outcome都做了一个估算

才算是一个动态的outcome

mean

好

这个其实就是多层了，多组了

那么如果我们用

aip w的话

显然我们除了要去specify他

的outcome model

我还要specify他的

treatment model

那么这个就是第46行

我们把这两个方程

都写出来

然后

用

a i p w来去看

那么当然你可以去来看这一个跟前面

的结果它可能是有一些出入的

因为它用的是不同的模型

但是整体上还是比较一致的

我们不做过多的分析

大家都可以看到我们是很容易

实现从

二元变量变成一个

multi category

多分组的这样的一个情况

当然这个里面很有用的一个

命令

Coefficient

Legend

因为我们有的时候基于很多组

他报告的结果

跟我们

想分析的就是两两的对比

可能不是完全一样

比如说我们想看的是h跟a的差别

它报告的是

h和a分别跟non的差别

假设

这时候我们怎么样去

做我们想要的分析

因为我们不想直接去做差

你要

手动去算这个标准物是比较容易出错的

怎么让stata来报告

就是你要知道

它的每一个参数

它的后台用什么符号去计算的

那么这个命令就可以报告出来

然后你就可以直接调用这样的一些

这些参数

比如说它的

报告出来的 o跟 non的均值差

他的背后就后台 Legend

其实这个东西

这是他后台的名字

后台的变量名字

那么你用这个就可以调用它

来做各种信息组合

比如说我们后面就用了一个linear

combination

这个是nonlinear

就是非线性组合

也有线性组合

那么来去

做各种非线性的

比如说做比做差做机等等的

那么都可以来做 你调动这些

Legend来做就可以了

这个是补充一点

那么当然你还可以去换

ATT不想ATE

我想看att

那么你就要来去换

然后比如说换control

group

我这里 non不是control

group

a是control group

等等

那么你都可以去换

那么还有一个 contrast

命令也是很常用的

当我们有多组的时候不是只有两组

有多组的时候

我可以用不同的方式来做对比

有你们自己去跑一下就知道他们的差别了

很有意思

在你们的自己的研究中

可能会去使用

那么因为时间关系我们就不一个去练习了

就给大家作为课后练习

去讨论好吧

好

在咱们结束 workshop之前

同学们还有没有什么问题

同学们

越来越沉默了

还有问题吗

假定你们没有问题

那么有问题课后再可以再来找我

好吧

我们关于psm的workshop

就介绍到这里