ai写作免费,ai写作免费网站

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

命令简介

Stata没有一个内置ai写作免费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）

p**atch2.ado

pscore.ado

nnmatch.ado

上述主要介绍ai写作免费了如何获得PSM相关的命令，本文主要介绍如何使用pscore、p**atch2以及Stata官方的PSM命令Teffects。

2

语法格式

pscore 语法格式为：

pscoretreatmentvarlist[weight][if exp][in range], pscore( newvar) [blockid(newvar) detail logit comsup level(#) numblo(#) ]

选项含义为：

pscore(newvar)是必需的，它要求用户为估计的倾向评分指定变量名，并将其添加到数据集中。

blockid(newvar)允许用户为估计倾向分数指定变量名，并将其添加到数据集中。

detail显示更详细的输出，说明为获得最终结果而执行的步骤。

logit使用logit模型来估计倾向评分，而不是默认的probit模型

本文将平衡特性的分析局限于所有处理和共同支撑区域的控制。选项comsup表示使用具有共同支撑区域样本。

level(real)允许设置平衡属性测试的显著性水平。默认值是0.01。

t ef fects 语法格式为：

help teffects

teffectsp**atch( ovar) ( tvartmvarlist[, tmodel]) [if][in][weight][, stat options]

选项含义为：

ovar 结果变量

tvar 处理变量

tmvarlist 预测变量

logit指定使用logit模型进行拟合，默认的是probit模型；

p**atch2语法

p**atch2 depvar [indepvars] [ ifexp] [ inrange] [, outcome(varlist)

pscore(varname) neighbor( integer) radius caliper(real)

mahalanobis(varlist) ai( integer) population altvariance

kernel llr kerneltype( type) bwidth(real) spline

nknots( integer) common trim(real) noreplacement

descending odds index logit ties quietly w(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 (Kernel matching)

其他匹配方法

广义精确匹配(Coarsened Exact Matching) || help cem

局部线性回归匹配 (Local linear regression matching)

样条匹配 (Spline matching)

马氏匹配 (Mahalanobis matching)

pstest $X, 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χ2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

案例应用1

背景数据描述：

这是国家支持工作示范(NSW)处理组数据的子样本和当前人口调查(CPS)的比较样本。Lalonde(1986)、Dehejia和Wahba(1999)对这些数据进行了广泛的分析。

1、首先进行数据结构查看

use"ldw_exper.dta", clear

ed

desc

结果为：

2、描述性分析

tabstat age edu black hisp married re74 re75 u74 u75,statistics(mean) by(t)

结果为：

3、Pscore命令进行操作

pscore t age edu black hisp married re74 re75 u74 u75, logit blockid( myblock) comsup pscore( mypscore)

结果为：

4、使用attnd命令进行后续分析

attnd re78 t, pscore(mypscore)

结果为：

等价于下面命令

attnd re78 t age edu black hisp married re74 re75 u74 u75, logit

结果为：

5、p**atch2命令进行操作

p**atch2 t age edu black hisp married re74 re75 u74 u75, out(re78) neighbor( 1) ate ties logit common

结果为：

6、teffects命令进行操作

teffects p**atch( re78) ( t married age edu black hisp married re74 re75 u74 u75,logit), atet nneighbor( 1)

结果为：

7、平衡性检验，需要在p**atch2后面做，上述teffects实现不了。

7.1 倾向匹配得分

local v1 "t"

local v2 "age edu black hisp married re74 re75 u74 u75"

globalx "`v1' `v2' "

p**atch2 $x, out(re78) neighbor( 1) ate ties logit common // 1:1 匹配$表示引用宏变量，

等价于 p**atch2 t age edu black hisp married re74 re75 u74 u75, out(re78) neighbor( 1) ate ties logit common

结果为：

7.2 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。

7.3 均衡性检验

pstest $v2, both graph

结果为：

7.4 共同取值范围

psgraph

结果为：

7.5 核密度函数图

twoway(kdensity _ps if_treat== 1,legend(label( 1"Treat")))(kdensity _ps if_treat== 0, legend(label( 2"Control"))),xtitle(Pscore > ) title( "Before Matching")

. twoway(kdensity _ps if_treat== 1,legend(label( 1"Treat")))(kdensity _ps if(_weight!= 1&_weight!=.), legend(label( 2"Control"))), > xtitle(Pscore) title( "After Matching")

结果为：

4

案例应用1

1、首先进行数据结构查看

webuse cattaneo2

Estimatethe average treatment effect of mb**oke on bweight, using a logistic model (the default) to predict each subject's propensity score teffects p**atch (bweight) (mb**oke mmarried c.mage## c.mage fbaby medu)

Refitthe previous model, but only consider a pair of observations a match ifthe absolute difference inthe propensity score isless than 0.1teffects p**atch (bweight) (mb**oke mmarried c.mage## c.mage fbaby medu), caliper( 0.1)

结果为：

6

2022Stata暑假班

为了帮助大家全面系统的掌握stata，我们在一贯坚持高水平授课办会的基础上，特别打造“小班教学、理论与软件并重、精品课程解析”的课程培训亮点，现推出2022年Stata暑假班!

2022年Stata暑假研讨班__手把手教ai写作免费你Stata计量软件操作与实证分析

远程班：2022年7月21-24日(四天)

1、课程特色及亮点

1、零基础起步，初级+高级课程，涵盖数据管理+横截面+时间序列+面板数据+门限回归+倾向匹配得分+合成控制法+断点回归+双重差分+空间计量等专题，帮助你建立系统的计量体系

2、理论与软件并重，课程涵盖理论介绍、软件操作、案例应用、解释结果、讲解答疑等，手把手教你学Stata软件操作与分析

4天入门Stata高级应用， 掌握IV、PSM、RD、SCM、面板数据分析方法

4、现在报名2022年7月Stata暑假班，免费参加2022年8月份面板数据及因果推断专题课程，详见对应课程

Now or Never

零基础入门

循序渐进学会高级计量及Stata应用

系统学习，助你成长

聚焦Stata在高级计量的应用

2、课程体系

1.A Quick Tour of Stata

stata简介Why Stata?/what is stata

软件界面The Stata Interface/What Stata looks like

参考书籍推荐Textbooks

log工作日志和do文档What to do first?Set a working directory/Keeping track of things（Do-files and log-files ）

命令以及帮助the command & Getting Help（包括help的使用以及ssc install 、findit等外部命令获取和使用）

2.DATABASE MANIPULATION数据管理

导入导出 Import and Export

面板数据、时间数据、官方数据Time series data &Panel data & Example Datasets

变量以及数据Variable and data types/Indicator or data variables

数据管理Data management

排序Order, aorder, and move

变量标签Variable Labels and Notes

文字变量处理之数据类型转换Converting strings to numerics and vice versa（encode 、decode、 destring、 tostring 等）

数据横向合并和纵向合并Append and merge（merge，包括一对一、一对多、多对一等合并，append、cross、joinby等，）

数据生成Generating new variables

描述分析Describing the data （summarize）

基础命令（table、tabulate、tabstat命令)

3. 经济金融数据库（国泰安数据库、中经网）使用技巧

4.相关分析Correlation ****ysis

相关分析简介

相关命令corr、pwcorr、pwcorr_a等应用介绍

分析结果输出等

5.回归分析Estimation

线性回归模型估计方法OLS

回归估计标准流程应用

估计系数统计推断

假设检验（多重共线性、自相关、异方差等）

Stata与Word、Excel结合的估计结果输出等

6.时间序列

平稳性检验

协整检验

格兰杰检验

课程总结以及论文讲解

7 .社会科学因果推断

前言

反事实因果框架

随机对照实验

自然实验

8.因果推断--内生性问题及工具变量

内生性来源及简介等

工具变量法及stata应用

GMM简介

内生性检验（OLS与IV检验选择，过度识别检验等）

9.面板数据分析方法

面板数据模型简介

面板数据模型分类

面板数据计量分析方法

面板数据描述性分析

随机效应模型操作及结果解释

固定效应模型操作及结果解释

Hau**an检验

面板数据及Stata应用

10.动态面板数据

一阶差分GMM估计

序列相关检验

过度识别检验等

11、门限回归

包括横截面与面板模型的门限回归，主讲xthreg、xtthres、threshold等命令，并与Eviews软件对比，让大家对门限回归有一个全面的了解。

门限回归理论介绍

门限回归操作流程图

门限回归操作以及结果解释等

论文讲解以及课程总结

12.倾向匹配得分

倾向匹配得分简介、为何使用 PSM ?

传统的配对方法、配对过程中的两个核心问题/假设、匹配方法、优缺点

倾向匹配得分建模流程图

PSM操作命令及其具体应用

论文讲解

课程总结

13.合成控制法

合成控制法背景及简介

数据来源及样本介绍

结果

合成控制法及Stata操作应用

14. 双重差分

15.断点回归

断点回归原理

精确断点回归

模糊断点回归

断点回归及Stata操作

16. 结果输出

17.空间计量经济学模型（横截面空间计量模型与面板空间模型，包括空间自相关检验、空间效应检验、SAR、SEM模型以及空间面板随机与固定效应检验等）

空间计量发展概述

空间回归模型动因

空间效应

空间权重矩阵

空间相关性度量

空间计量模型简介、流程图、识别检验、判别准则等

横截面空间计量模型及stata应用

面板空间计量模型及stata应用（面板固定效应与随机效应等检验）

《Stata初高级研讨班》

精彩板书 手把手教学，零基础起步 硬核代码，理论与软件并重 带你建立系统计量体系

3、学习优势

1、重软件操作、重实战是课程一直以来的优势与好评。控制人数的小班教学以确保每一位学员真正学到操作技能。

2、理论与软件并重，手把手教学，零基础起步，小白也能学会的Stata研讨班ai写作免费！

3、重要的事情说三遍，我们课程手把手带大家操作学习，并提供完整do文档以及数据、讲义、资料书等，手把手教学和操作学习！

4、学习礼包

1 、课程互动以及微信群等答疑；

2 、学术学习资料大礼包一份；

3 、课后赠送三个配套精品课程视频：《零基础学空间计量：空间计量及Geoda、stata应用》+初级班视频《Stata从入门到进阶；初级计量经济学》+高级班视频《高级计量经济学及Stata应用：Stata回归分析与应用》，全网累计1000人订阅

5、立体化服务体系

立体化的服务体系，真正保障学有所成！

1、系统化的知识体系。20场线上+线下班成功举办的经验积累，知识点精细，学习成长路径更放心；

2、授课的方式，课程理论与软件并重，采用理论介绍+软件操作+论文应用+解释结果+讲解答疑五维一体，手把手教你学Stata软件操作与案例分析

3、课后答疑。有学习上的疑问，可与老师1对1沟通解答。

4、零基础起步，理论与软件并重，手把手教学，小白也能学会的计量班。

5、免费领取课程讲义，数据，do文档和参考文献pdf；

6、免费领取课程赠送视频及全套资料（do文档以及数据、讲义、资料书等）

6、课程详情

开课时间：

远程班：- 远程班：2022年7月21-24日(四天)

参会人数：限额40人，报名成功与否以实际付款为准，不接受口头报名。

授课形式：老师讲授指导、学员操作练习、线上答疑解惑。

课程资料：提供PPT、课程讲义以及完整的do文档等。

现在报名享受早鸟价，同时报名《2022年Stata暑假班》+《第5/6空间计量研讨班》，6月3日前优惠价6000元，详询工作人员报名。后期报名按照原价。2022年6月15日前报名 2022年7月Stata暑假班，免费参加2022年8月份面板数据及因果推断专题课程，详见对应课程

往期Stata线上/线下班学员报名，优惠详情请咨询工作人员。

7、优惠信息

缴费成功后都享受如下优惠

1．同一单位3人及以上报名，9折优惠；

2．同一单位5人及以上报名，8折优惠

3、以上优惠不叠加

8、学习目标

1、掌握计量经济学及Stata操作，能够运用Stata完成复杂的数据处理工作，并熟练运用Stata完成写作；

2、了解常用模型的思路、原理和建模方法，从源头数据库等数据下载、搜集、整理、管理，到Stata数据操作，提高实证分析水平；

3、学完本课程，你将可以更轻松的读懂期刊上论文，并帮助你根据相关计量模型和方法，独立完成计量经济学模型建模以及实证分析！

9、学习对象

经济及社科类青年教师、博士生、硕士生、高年级本科生。（1 Stata爱好学习者。2 经济管理以及人文社科领域人员、各类市场调查公司、咨询公司、互联网公司和科研机构需要进行数据处理的人士。）

10、报名流程

报名流程

1、电话咨询，给予反馈，确认报名信息。

2、交费（微信、支付宝或者对公转账等），报名前请确认信息。

3、开课前发送培训通知以及软件准备，电子版预习资料等。

4、开课后领取发票及邀请函。

网络付款：

11、注意事项

1、即日起接受报名，具体报名截止日期根据实际招生而定，人员招满将关闭报名通道。

2、如人数满15人，即可开班；若报名人数不够15人，本次训练营自动取消，学员所缴纳报名费全额返还。

3、如您报名后有事不能参加，请及时告知！2022年5月10日17:00之后不再接受退款。

4、本次会议可提供增值税普通发票，如需开具（请联系微信：Xindream1992），并根据自己单位财务部门要求填写抬头和类目信息（一旦开具不能重开），发票类目为：会议服务费、信息服务费、培训费、会议费、咨询费等，报名时可以直接任选其一，其他类目无法开具。

5、会议邀请函通知及课程试看和报名咨询等直接联系工作人员。本次会议最终解释权归计量经济学服务中心所有。

在线咨询：

王老师

微信：Xindream1992