学不透的计量经济学.pdfVIP

学不透的计量经济学

问题1byhahahoby发表于2020-7-107:55:5

赵老师您好，最近在用合成控制法做研究，有一个不太会，在安慰剂检验中不少人

用等间距方法进行随机抽样作为检验组，请问相应的STATA命令该如何写，包括工

业经济程序包里面都回避掉了这个问题，如刘乃全，吴友（2017）；李顺毅

（2018）以中国285个地级市作为样本，设定等间距为4进行随机抽样，然后随机选

取46个作为控制组，之后又剔除掉了平均标准差较大的样本这个用stata命令如何表

示？先抽样再剔除和先剔除再抽样有区别吗？我自己也仿照做了一个285的城市的安

慰剂检验，但是在画图部分遇到了麻烦，一共删除掉大于2倍差异的140多个城市，

我看原来的命令都是以省为单位然后再把删除掉的省份连接起来，作图比较简单，

我这样的情况如何画图？

答：合成控制法的统计检验主要是随机置换检验(permutationtest)，实际是一种placebotest，

简单的说，就是假设我从控制组中随机抽一个作为伪干预个体，然后利用合成控制的方法，估

计出干预效应，每一个控制组个体都这样做，我们就可以得到一个干预效应的估计量的分布，

我们现在看你实际估计的干预效应在这个分布中的位置（注意，你这个分布是没有干预的情况

下估计出的分布，因为你用的是控制组个体作为一个虚拟的干预个体），如果处于中间位置，

那就不显著，说明干预没有作用的可能性很大，如果在极端位置，那就证明显著了。这个实际

上是就是Fisher的精确P检验方法在合成控制方法下的应用。

比如我们以Abadieetal.(2010)文中加州控烟的经典例子，作者用38个州作为加州潜在的控制

组，估计出合成加州，从而得到加州控烟法案的影响。在进行假设检验的时候，分别用38个控

制州作为伪干预州，其余州作为控制州，进行同样的合成，从而可以得到伪干预州的因果效

应，而这些州事实上没有任何政策干预，因而，得到的因果效应路径反映的就是没有干预时，

可能看到的分布。因为，在进行合成时，是利用干预前的数据进行合成的，有些州合成的效应

会比较差，即事前合成的与实际的有较大的偏差，作者是事前的均方预测误差（MSPE）在作为

判断依据，它越小，说明事前拟合的越好，事前拟合的好，我们才能对事后预测有比较大的信

息。为此，作者通过限制MSPE不超过加州MSPE的多少倍来进行控制，比如作者通过限制伪干

预州MSPE不超过加州的MPSE的20倍、10倍、5倍、2倍等，作者画出了相应的图形（有兴趣的

读者可查原文），下图我将MSPE限制为加州的2倍对应的图，此时，只保留了13个控制州，事

前拟合的比较好，即事前干预效应基本接近于零。事后，可以看到加州是在最边界上，从而证

明加州的效应是显著的，不是随机产生的。

除此之外，Abadie还提出构造一个事后事前MSPE的比值作为一个统计量，进行随机置换检验。

基本的逻辑是，如果没有干预影响，那么事前事后的波动性应该差别不大，如果有显著影响，

那么事后的波动将比事前有显著变动。我称该统计量为Adadie-R统计量，R表示ratio，是事后

事前MPSE的比值（也可以用均方根预测误差RMPSE比）。利用Abadie-R统计量，估计出的统

计量分布如下图，可以看出加州是在最右边的，从而证明加州的因果效应是显著的，不是随机

的。

程序

画安慰剂检验图需要通过编程实现，现提供我编写的一个程序，供大家参考。它可

以产生上面的两幅图。

*======================================

*合成控制法假设检验(Placebotestanddrawgraph)*

*======================================

setmoreoff

usesmoking,clear

tssetstateyear

*获取一些后文要用的参数

quitabstate

localn=r(r)//州数

quitabyear

localn_year=r(r)//年份数

*======================================

*根据个人研究需要，调整这