Match匹配估计做敏感性检验的最新方法, 让不可观测变量基础上的选择无处遁形

凡是搞计量经济的，都关注这个号了

邮箱：econometrics666@sina.cn

所有计量经济圈方法论丛的do文件, 宏微数据库和各种软件都放在社群里.欢迎到因果推断研究小组交流访问.感恩计量经济圈社群群友.

推荐阅读：

1.实证研究中用到的135篇文章, 社科学者toolkit

2.计量经济圈经济社会等数据库合集, 社科研究大米

3.1997-2014中国市场化指数权威版本release

4.1998-2016年中国地级市年均PM2.5数据release

5.2005-2015中国分省分行业CO2数据circulation

今天，"因果推断研究小组"将为圈友引荐如何对Matching方法做敏感性检验的方法，主要致力于检测是否存在违背"selection on observables"假设的可能。

对于我们常用的观测数据，匹配(Matching)是在反事实框架下估计平均处理效果( ATEs )的常用方法。然而，近年来，许多学者对这种因果推理方法的有效性进行了质疑，因为它的可靠性在很大程度上依赖于所谓的"selection on observables"假设。

他们认为，当不可观察的混杂因素对估计产生偏误时，匹配所得到的结果是难以令人信服的，因此，实证研究者应该考虑那些能够处理"不可观测选择"的替代方法(即，我们的选择需要建立在所有可观测到的变量基础上)。不过，这些替代方案需要很多需要花费很多成本才能够获得额外信息，有时候就算花了大力气也压根得不到这些信息。

出于这个原因，一些学者提出了匹配敏感度测试，以确定是否存在不可观察的选择。文献里主要有两种方法: Rosenbaum (1987)和Ichino, Mealli, and Nannicini (2008) ，而且这两种方法都乐意在Stata中实现。传统的，我们一般是使用mhbounds和rbounds来对匹配估计进行敏感性检验。

在下面这套slides里，Cerulli提出了第三种不同的敏感度测试(sensimatch)，用基于"leave covariates outs“方法来检验在匹配估计中存在不可观测性选择。这种植根于机器学习的敏感度测试，用不同的匹配协变量来进行模拟估计，然后与咱们的基准匹配结果进行比较。

这些程序都可以通过Stata的"ssc install "进行安装。

想进一步探讨匹配的敏感性检验，欢迎到因果推断研究小组交流访问(文末阅读原文)。

所有计量经济圈方法论丛的do文件,宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.

可以到计量经济圈社群进一步访问交流各种学术问题，这年头，我们不能强调一个人的英雄主义，需要多多汲取他人的经验教训来让自己少走弯路。

计量经济圈当前有几个阵地，他们分别是如下4个matrix：

①小鹅社群：数据软件书籍等所有资料(最多且更新频繁)，

②微信群：服务于计量经济圈社群群友(最活跃)，

③研究小组：因果推断, 空间计量, 面板数据(最专业)，

④QQ群：2000人大群服务于社群群友(最大)。

计量经济圈是中国计量第一大社区，我们致力于推动中国计量理论和实证技能的提升，圈子以海内外高校研究生和教师为主。计量经济圈绝对六多精神：社科资料最多、社科数据最多、科研牛人最多、海外名校最多、热情互助最多、前沿趋势最多。如果你热爱计量并希望长见识，那欢迎你加入到咱们这个大家庭(戳这里)，要不然你只能去其他那些Open access圈子了。注意：进去之后一定要看小鹅社群“群公告”，不然接收不了群息，也不知道怎么进入咱们独一无二的微信群和QQ群。在规则框架下社群交流讨论无时间限制。

只有进去之后才能够看见这个群公告