全面了解Statapsm

一、PSM檢驗Stata命令

    psmatch2 treatment_var, outcome_var, outcome_treated "cov1 cov2 cov3 ..." treatment(att)

為了對處理效應進行估計，我們需要做處理效應的檢驗。常用的一種方法是 Propensity Score Matching (PSM)。在 Stata 中，可以使用 psmatch2 命令進行 PSM。psmatch2 接受四個參數。第一個參數是處理組的變量名，第二個參數是結果變量名，第三個參數指定的是控制組的樣本，第四個參數是傾向得分估計 y 對 x 的回歸模型。

psmatch2的實現過程首先進行傾向得分估計，然後設置一個閾值(att)將傾向得分相近的處理組和控制組進行匹配，匹配的結果滿足傾向得分分布相似的條件。

二、PSM的ATT是什麼

在 PSM 中，ATT 是Average Treatment Effect on the Treated的縮寫，意指處理組對於受處理的對象而言的平均處理效應。也就是說，ATT 是指在處理組中，只針對那些確實接受了處理的個體而言，處理效應的平均值。

ATT 的計算方式如下：
ATT = (1/n) sum(from i=1 to n)[Yi(Ti=1) – Yi(Ti=0)]

三、PSM的ATT顯著說明什麼

ATT 試圖在不需要控制其他變量的情況下，來衡量處理效應。在大多數情況下，ATT 都需要確保足夠的樣本量，才能在顯著性水平上得到合理的結果。同時，一個顯著的 ATT 值，還可以指出該變量對於處理效應有顯著的影響，這意味着處理組和控制組之間，在 ATT 上存在着顯著的差異。

四、PSM匹配ATT值應該為多少

ATT 的合理值取決於研究對象和目的。在實際應用中，我們可以通過一系列的嘗試來得到合適的 ATT 值。通常來說，可以使用 psmatch2 命令中的 ncontrols 選項來控制匹配樣本中的個體數量。同時，注意到 ATT 值不能過小或過大，以免導致過擬合或欠擬合等問題。一般來說，合理的 ATT 值在 0.2 ~ 0.5 左右。

五、Statapsm UI示例

如下是一個簡單的 Statapsm UI 的演示：

        webuse lalonde (1978)
        webuse cps_controls, clear
        
        statapsm psm {
            title: "Effect of Job Training on Earnings: Propensity score matching"
            dataset: "lalonde (1978)"
            treatment: "treat"
            outcome: "re78"
            controls: "age educ black hispan married nodegree"
            att: "0.3" 
        }  
    

在這個例子中，我們使用了一個公共數據集 lalonde (1978) 和一個控制組數據集 cps_controls。其中，lalonde(1978) 中包含了來自國家勞工局的數據，這組數據記錄了對於兩個相似的服刑釋放者群體（當時可能因為缺失數據等原因無法判斷該釋放群體和控制群體是否相同），兩者之中有一部分人接受了一項名為“就業培訓”(treat,0/1) ，而另一部分人則沒有接受此項培訓(RCT)。cps_contorls 數據集中包含了另一組與case 非常類似的人群，主要用於控制其他變量的影響。該數據集中共包含18個變量。在這個例子中，我們設定了處理組變量（treat)、結果變量（re78)、控制組變量（cps_controls 中的變量）和att 值（匹配閾值）。最終輸出的是處理組和控制組的 ATT 值反映了 “就業培訓” 對於薪資水平的影響。