PSM-DID

所属分类：因果推断

这个方法是做什么的

PSM-DID 把两件事接在一起：先按倾向得分在各时期内做 1:1 无放回最近邻匹配（分时期匹配是为了不破坏后面要用的 2×2 结构），再在匹配样本上估 Y ~ Treat×Post + 协变量，交互项系数就是 ATT。匹配负责让两组的可观测特征可比，差分负责扣掉共同的时间趋势与不随时间变化的个体差异——两步各治一种病，这也是它比单独做匹配或单独做差分更常被要求的原因。演示数据上 ATT = 6.4830（稳健标准误 1.0760，95%CI [4.3660, 8.6000]）。

报告里“前提”占的篇幅比结果多：卡① 给倾向得分模型与伪 R²、共同支撑区间、卡钳取值与被丢弃的处理单元数、逐协变量的匹配前后标准化偏差、Rubin's B 与 R，以及匹配样本的 2×2 分布；卡③ 是 Love plot 与倾向得分分布图；卡④ 给标准化 ATT、相对效应、未匹配全样本 DID 的对照值，以及 300 次分时期随机重排处理标签的安慰剂经验 p 值。注意卡② 系数表用的是计量经济学惯例的星档——一颗星是 p<0.1、两颗是 p<0.05、三颗是 p<0.01，表注已声明，与心理学和医学期刊常用的三档不同，照抄星号进论文前先核对你投稿期刊的口径。

需要准备什么数据

• 放入[定量]结果变量 Y：1 个，定量变量（数值）
• 放入[定类]处理组 Treat：1 个，定类变量（分组/标签）
• 放入[定类]时期 Post：1 个，定类变量（分组/标签）
• 放入[定量]协变量 X (可多个)：1~50 个，定量变量（数值）

数据要求

• 数据表至少 40 行。
• 单列缺失率不超过 20%。
• 不接受取值全都一样的列（零方差列没有可分析的变异）。
• 「放入[定类]处理组 Treat」必须正好是 2 个类别。
• 「放入[定类]时期 Post」必须正好是 2 个类别。

以上条目由系统从该方法的校验规则直接生成，与上传数据时的实际拦截规则一致。

什么时候用它

• 政策实施前后各有一期观测，处理组与对照组的基线特征差得明显
• 需要同时回应“两组本来就不一样”和“那段时间大家都在涨”这两种质疑
• 审稿人要求看 Love plot、Rubin's B/R 这类正式的均衡性证据
• 想知道“匹配这一步到底改变了多少”——卡④ 会把未匹配全样本 DID 的结果并排列出来

处理组变量与时期变量都必须是 0/1 二分类且各自同时含两类；处理组 × 时期的四个单元格都要有样本，最常见的失败原因是处理组只出现在政策之后；协变量必填至少一个，且必须是定量列，模块没有哑变量编码路径。

什么时候不要用它

• 有多期面板，想画事件研究图并正式检验平行趋势：本模块只有前后各一期，卡① 会把平行趋势那一项如实登记为“未做”。要检验它就得用「双重差分(DID)」，它提供事前各期交互项的联合检验与逐期动态效应。
• 只有一期截面，根本没有“前后”：差分做不起来，退回「倾向得分匹配 (PSM)」，它另给三种标准误口径与四种替代估计量的对照。
• 两组基线本来就可比：演示数据匹配前平均 |SMD| 已经只有 5.97%，匹配后 ATT 6.4830 与未匹配全样本 DID 6.3629 只差 0.1201——这时匹配这一步没做什么事，直接用「双重差分(DID)」更简洁，还能做事件研究。
• 是否受处理由一条分数线决定：用「断点回归(RD)」，它在断点邻域给出接近随机化的比较，不必依赖倾向得分。
• 担心的是没测到的混杂：匹配和差分都对付不了它，差分只能吃掉“不随时间变”的那部分。若能找到只影响处理、不影响结局的外生变量，用「两阶段回归」。
• 协变量里含定类变量：本模块不做哑变量编码，请先在数据处理里编码；若你要的只是把定类特征作为控制变量而不是匹配变量，可以直接用「面板模型」或「线性回归 (最小二乘法)」，它们能自动处理定类自变量。

容易误读的地方

• 卡钳不是越严越好。 实测把卡钳从默认的 0.2 收到 0.001：匹配率由 90.00% 掉到 6.67%（只剩 12 对），平均 |SMD| 不降反升，从匹配前的 5.97% 升到 13.08%，ATT 从 6.4830 跳到 10.2988、区间宽到 [1.0261, 19.5715]，安慰剂经验 p 也从 0.0033 变成 0.0565。反方向把卡钳放到 999（等于不设卡钳），180 个处理单元全部匹配上，ATT 变成 6.3629，与完全不做匹配的全样本 DID 一模一样。卡钳要按均衡性结果调，不是按“看起来严不严”调。
• “平均 SMD 下降了”会盖住单个协变量变差。 演示数据默认设定下，企业规模的 |SMD| 由 −1.7% 变成 −4.3%，均衡性表里“偏差减少幅度”那一列是 −158.9%（负值即变差），而摘要里那句“平均 |SMD| 由 5.97% 降至 2.61%”完全看不出来。均衡性要逐行读，别只看汇总数字。
• 平行趋势在这里根本没有被检验过。 卡① 那一行的判定就是“未做”，说明写得很明确：前后各一期估不出政策前的组间趋势差，不能因为 ATT 显著就认为平行趋势成立。卡④ 的安慰剂检验也替代不了它——那一卡的结论文案专门强调，所有这些检验都无法替代平行趋势假设。这条前提只能靠制度背景与理论论证，报告里必须写出来。
• 这里的标准误在两个方向上偏小，模块自己承认了。 卡⑤ 的标准误口径说明写着：HC1 协方差把“匹配好的样本”当成给定的数据，既没计入倾向得分是估计出来的（Abadie-Imbens 2016 调整项），也没计入“哪些个体被匹配进来”本身的抽样波动。所以 p 值贴着 0.05 的结论要特别谨慎。「倾向得分匹配 (PSM)」那套 Abadie-Imbens (2006) 方差是为配对差均值推导的，对这里的回归型 ATT 不直接适用，模块选择不套用、只如实标注缺口。
• Treat 与 Post 的主效应不是政策效应。 卡② 的结论文案点明：处理组主效应刻画的是政策前两组的基线差异，时期主效应刻画的是共同时间趋势，二者本身都不能单独当作因果结论。演示数据里处理组主效应 1.8132 带两颗星（p=0.022），它说的是“试点企业本来就比非试点高 1.8”，与政策效果无关。

报告里有什么

1. 输出结果一：数据概览与前提检验（均衡性与共同支撑）
2. 输出结果二：PSM-DID 回归结果（ATT）
3. 输出结果三：均衡性与共同支撑可视化
4. 输出结果四：效应量与稳健性检验
5. 输出结果五：结论与学术表述