Panel verileriyle eğilim skoru eşleşmesi


13

Bireyler boylamsal bir veri setim var ve bazıları tedaviye tabi tutuldu, bazıları ise değildi. Tüm bireyler doğumdan 18 yaşına kadar örneklemdedir ve tedavi bu aralık arasında bir yaşta olur. Tedavinin yaşı vakalara göre değişebilir. Eğilim skoru eşleştirmesini kullanarak tedavi ve kontrol ünitelerini doğum yılında kesin eşleşmeyle çiftler halinde eşleştirmek istiyorum, böylece her çifti bir yaşından 18 yaşına kadar takip edebiliyorum. Sonuçta yaklaşık 150 tedavi edilmiş ve 4000 tedavi edilmemiş birey var. Eşleştirmeden sonra fikir, tedavinin etkisini tahmin etmek için farklılıklar içinde bir fark stratejisi kullanmaktır.

Şu anda karşılaştığım sorun panel verileriyle eşleştirmektir. Stata'nın psmatch2komutunu kullanıyorum ve eğilim puanı eşleşmesi kullanarak ev ve bireysel özelliklerle eşleşiyorum. Genel olarak panel verileriyle her yaşta farklı optimal eşleşmeler olacaktır. Örnek olarak: A tedavi edilirse, B ve C kontrollerdir ve hepsi 1980'de doğmuşsa, A ve B 1980'de 0 yaşında, A ve C 1981'de 1 yaşında eşleşir ve bu şekilde devam eder. . Ayrıca A, önceki yıllara ait kendi tedavi öncesi değerleri ile eşleştirilebilir.

Bu soruna geçici bir çözüm bulmak için, zamanla değişen tüm değişkenlerin ortalamasını aldım, böylece eşleştirme, örnekleme süresi boyunca ortalama olarak en çok benzer olan bireyleri tanımlayabilir ve eşleştirmeyi her bir 0-18 yaş grubu için ayrı ayrı yaparım. Ne yazık ki bu, her yaş grubu için tedavi edilen her ünite ile farklı bir kontrol ünitesini eşleştirmektedir.

Birisi beni Stata'daki panel verileriyle eşleştirme yapmak için bir yönteme yönlendirebilirse, bu çok takdir edilecektir.

Yanıtlar:


9

Temel olarak, eşleştirme prosedürüyle ilgili tüm karakteristiklere sahip geniş formatlı bir veri kümesi oluşturmanız, bu kesitsel veri kümesinde eşleştirmeyi gerçekleştirmeniz ve ardından panel veri kümesindeki eşleşen çifti tanımlamak için kimliği kullanmanız gerekir. İşte bazı ayrıntılar:

  1. reshapeGeniş formatlı bir veri kümesi oluşturmak için kullanın . Tedavi öncesi değişkenleri, eşleşen yordamda kullanmak istediğiniz şekilde biçimlendirin. Bir kişi için birden fazla gözleminiz varsa değişkenlerinizin ortalamasını alabilirsiniz, ancak başka yollarla da gelebilirsiniz (ayrıca sağlık1, sağlık2 gibi aynı değişkenlerin birden fazla gözlemini tutabilir ve tümünü eşleştirmede kullanabilirsiniz) ). Amaç, kişi başına bir gözlem içeren bir veri kümesine sahip olmaktır .

  2. Bu veri kümesini kullanarak ile eşleştirme yordamını gerçekleştirin psmatch2.

  3. Eşleşen vakalarla ilgili bilgileri orijinal veri kümesiyle birleştirin. Eşleşmeyen vb. Durumları bırakın. Burada ayrıntılardan emin değilim çünkü stata'yı gerçekten bilmiyorum ve psmatch2sanırım fikri anlıyorsunuz.

Bu adımları kullanarak, vakaları tüm tedavi öncesi bilgilere göre eşleştirebilirsiniz ve tedavi ünitesi başına yalnızca bir eşleşmeniz olur.


3
Bu gönderinin neden aşağı oy verildiğini gerçekten bilmiyorum çünkü bu cevap gerçekten yardımcı oluyor. Tekrar oy kullanacağım. Teşekkürler greg!
Andy

5

Bunu Stata'da veya farkında olduğum başka bir yazılımda yapmanın bir yolu yok .

Taraflı bir eşleme tahmincisini panel veri teknikleri ile düzenlemeye çalışıyorsanız, işinize yarayabilecek bir yaklaşım var. Eşleştirmenin, seçim yanlılığının tümünü değil, bazılarını ilgilendirdiğini, ancak önyargının zaman içinde büyük ölçüde sabit kaldığını varsayabilirseniz, her dönemde ayrı eşleme tahminleri oluşturarak ve alarak yanlılığın zamanla değişmeyen kısmını kaldırabilirsiniz. fark.

Let ön işlem süresi olabilir ve sonrası olmak. Eğer tedavi edilmemiş durum sonucu tatminttY0

E[Y0t|X,D=1]E[Y0t|X,D=0]=E[Y0t|X,D=1]E[Y0t|X,D=0]=Bias,
sonra ve ,Δ M t =BiasΔ M t -Δ M t =ΔTTΔtM=ΔTT+BiasΔtM=BiasΔtMΔtM=ΔTT

Heckman, Ichimura, Smith ve Todd 1998 Econometrica ve Eichler ve Lechner 2002 Çalışma Ekonomisi kağıtları bu yaklaşımın örnekleridir. Öte yandan, bu yaklaşımın çalışması için 150 tedavi edilmiş gözlem yeterli olmayabilir.


1
Panel verileri için bireyleri çiftler halinde eşleştirmek mümkün olmalıdır, çünkü bu iki kağıt ( kağıt1 , kağıt2 ) bunu da yapar. Maalesef yazarlar bunu nasıl yaptıklarını tam olarak belirtmiyorlar. Heckman ve arkadaşları (1998) ile tanımladığınız fikir, tam olarak ikili eşleşmeden sonra Diff-in-Diff kullanmanın sebebidir.
Andy

Panel eşleştirmesi yaptıkları açık değil, ama prosedürlerin belirsiz olduğu konusunda haklısın. Yazarlar, başkalarına yardım etmeye istekli olduklarını gösteren pscore yazdılar. Belki onlara bir e-posta, şeyleri açıklığa kavuşturacaktır. Ne söylediklerini rapor edin. Bu önemli bir soru.
Dimitriy V. Masterov

0

Adımlar:

  1. Greg tarafından ayrıntılı olarak belirtildiği gibi, eşleştirme oluşturmak için ön-tedavi araçlarında veya sepecific-ön-tedavi periyodunda bir kesitsel veri kümesi kullanabilirsiniz.

  2. Tüm paneli kullanarak a için gösterge değişkenleri atarsınız
    . Bireysel
    b. Tedavi edilen periyot, tedavi edilen birey için tedavi gerçekleşir gerçekleşmez ikincisi sıfıra eşittir.

    Tedavi edilen Periyodun 0'dan 1'e değiştiği zaman, kişiden kişiye değiştiği ve tedavi edilmeyen için asla 1'e dönmediği için, tedavi edilen maçtan tedavi edilmeyen eşleşmeye aynı başlangıç ​​noktasını atamanız gerekir. Bu sezgisel ama yine de henüz bulamadığım bu yaklaşımı haklı gösteren iyi bir referans görmek istiyorum.

Regresyon kurulumu şöyle olur:

depvar = treatedIndvidual + treatedPeriod  + treatedIndvidual*treatedPeriod + controls

Etkileşim terimi size tedavi etkisini verir.


-2

Nnmatch komutunu kullanmayı düşündünüz mü ?

Bu komutu kullanıyorum ve oldukça kapsamlı bir komut. Farklı eşleştirme algoritmalarını ve ayrıca bazı kontrol grubu bireyleri için eğilim puanının aynı olduğu durumları da dikkate alır. Tabii ki, k-en yakın komşu veya çekirdek veya başka bir şey alırsanız, bu davanın tedavisi eşleşen algoritmaya bağlıdır.


Referans verdiğiniz makalede panel verisinden bahsetmiyorum. Panel verileri için bunu kullandınız mı? Öyleyse, lütfen spesifik olun ve OP'nin sorusunu yanıtlamak için bir kod sağlayın.
Metrikler

Tam eşleme daha kolaydır, ancak geçerli veri kümesinin içinde eşleşen kimlikleri değil ayrı bir tanesini depoladığı için genel nnmatch daha karmaşıktır. Her bir yaş grubu için, orijinal verilerle birleştirilmesi gereken bir veri kümesi elde edeceğim. Bu durumda birleştirme işe yaramaz, çünkü eşleşen özellikler orijinal verilerdeki bireyleri benzersiz şekilde tanımlamaz. Maalesef bu bir çözüm sağlamaz.
Andy
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.