用stata做倾向值分析和匹配
12,544 阅读
1.倾向值分析的原理和目的
将“干预”作为因变量，预测每个成员接受干预的倾向值（一般采用logit或者probit函数）。自变量是表征成员信息的一些变量。 我们用于匹配的自变量是：
DataLearner 官方微信
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
| 用来匹配的字段 |
|---|
| gender |
| marry_status |
| drink_water_type |
| father_diabetes |
| mother_diabetes |
| brother_diabetes |
| education |
| age |
| work_code |
| kitchen_exhaust |
| toilet |
| fuel_type |
| village_id |
当用logit函数为每个成员预测出一个倾向值后，根据这个倾向值执行最近邻卡尺内匹配。原理是：定义是干预组成员的倾向值；是控制组成员的倾向值；最近邻卡尺内匹配的约束条件包含：
话不多说直接上代码
这里自变量是is_mobile，也即是表征对象是否有手机的变量2.2采用logit函数，对自变量和因变量进行回归。这里自变量是is_mobile，也即是表征对象是否有手机的变量
logit is_mobile i.gender ib(#4).marry_status ib(#6).drink_water_type i.father_diabetes i.mother_diabetes i.brother_diabetes i.education age1 age2 age3 family_highest_education1 family_highest_education2 ib(#7).work_code ib(#4).kitchen_exhaust ib(#5).toilet i.fuel_type i.village_id
根据上述回归来预测对象有手机的概率P1
predict p1
绘制p1的概率密度曲线，来表示有手机的概率在群体中的分布情况
kdensity p1 if is_mobile==0 , addplot(kdensity p1 if is_mobile==1 ) legend(label(1 "no_mobile") label(2 "has_mobile") col(2))
接着剔除掉缺省的p1值，构造logit1这个变量，后续要根据这个变量进行匹配。然后对保留下来的值进行排序。
drop if p1==.
gen logit1=log((1-p1)/p1)
sum logit1
set seed 1000
generate x=uniform()
sort x
对匹配后的数据进行匹配，这里使用卡尺内最近邻匹配。更多的匹配方法以后再来写。
psmatch2 is_mobile, pscore(logit1) caliper(.275839) noreplacement descending
对于每个个体，添加几个新的字段，①用以表示它是对照组还是实验组（is_mobile是0还是1）；②与它匹配的对象id是什么；
sort _id
g match=id[_n1]
g treat=id if _nn==1
drop if treat==.
查看前十个匹配的结果：
list match treat in 1/10
summarize match treat
因为有些个体是没有与它匹配上的对象的，这些个体不作为我们的研究对象，所以我们要将其剔除，此外，我们要把所有的对照组和匹配组提取出来作为一个新的数据集。需要用到以下的操作： 首先保留所有的实验组对象id，保存到t5这个文件里。
keep treat
gen tx=1
rename treat id
save t5,replace
use p10, replace
接着提取所有对照组对象id，并且读取t5文件，将两个文件的内容保存到t6里
keep match
gen tx=0
rename match id
append using t5
sort id
save t6,replace
最后，根据t6文件里的id，把实验组和对照组的对象数据整合起来，保存到post这个文件里。
clear
use p1, replace
sort id
merge id using t6
tab tx
drop if tx==.
save post, replace
到此匹配的过程结束，画出匹配后的倾向值曲线：（即绘制post这个文件里的ps分布曲线）
kdensity p1 if is_mobile==0 , addplot(kdensity p1 if is_mobile==1 ) legend(label(1 "no_mobile") label(2 "has_mobile") col(2))
将此曲线与匹配前的进行对比，可以发现匹配的过程消除了实验组和对照组的偏差，控制住了一些无关变量。