当前课程知识点:教育定量研究方法(高级) > Weeks 13&14: HLM > HLM > 6.23 PSM workshop 7
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
-1.2 Why do we use regression 1
-1.3 Why do we use regression 2
-1.4 Conditional expectation function 1
-1.5 Conditional expectation function 2
-1.6 Classical assumption of OLS
-1.8 How to use matrix calculation to solve OLS
-1.11 FAQs of regression:practice
-1.12 FAQs of regression:discussion
-1.13 Maximum Likelihood Estimatio
-Basic Econometrics
-2.1 Classical assumptions of OLS
-2.2 Omitted variable bias and endogeneity
-Weeks 3&4 readings and workshop
-Instrumental Variable
-3.6 Threats to the validity of RCT
-3.17 Random-effecrt and Fiexed-effect model
-3.18 Statistic power analysis
-Weeks 5&6 readings and workshop
-Randomized Experiments - Class Size, Career Academies
-4.6 DID with multiple periods 1
-4.7 DID with multiple periods 2
-4.9 Synthetic control methods
-Week7&8 readings and workshop
-Natural experiment and DID
-5.10 Validity and assumption test 1
-5.11 Validity and assumption test 2
-Regression discontinuity
-6.1 Review of causal inference model
-Propensity Score Matching
-HLM