加权DID, IPW-DID实证程序百科全书式的宝典
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code程序, 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.
Copyrights@计量经济圈(ID: econometrics666).
计量经济圈的社群文化已经成为学术圈一股独一无二的清流。
今天，“因果推断研究小组”将为圈友们引荐一种与Matching类似的处理“因接受政策干预的非随机性而导致的内生性问题”(也可以说是selection bias)。比如，接受培训项目是否能够提高个体的工资，那么很可能某些工资更加高的个体更愿意选择接受这个培训项目，从而导致是否接受培训项目这个政策存在内生性问题。咱们因果推断研究小组应该在Matching方法上做得比较全面，讲了很多的Matching方法和他们的优缺点，以及实现他们的步骤和全方位的解读。
尽管如此，并没有引荐关于weighted DID，就是通过构建一个权重weight，然后放到DID中去进行加权回归。Matching通过预测倾向得分值ps，然后去进行匹配处理组与控制组的个体，本质上，与咱们今天即将引荐的weighted DID是殊途同归的，都是可以解决“selection into treatment”问题的。更常见的是，这个weight的构建是基于前面倾向得分值ps的，比如，对于处理组的weight=1，对于控制组的weight=ps/(1-ps)，后面做一个DID加权回归即可得到想要的ATT和ATE。
咱们就不再把结果贴出来进行解释了，因为输出来的结果非常清晰明了，不会存在太多的疑问，何况前面列出的系列Matching文章里有详细的解释。下面的图片里有对每一步做出解释，当然，主要关注的是(2a), (2b)和(4)里面的结果，因为这是weighted DID具体做法。(2a)是使用的kernal matching得到的权重weight，(2b)使用的是自己构建的weight，而这个权重是以倾向得分值为基础，(4)使用的是“逆概率加权”ipw做的DID，注意里面的因变量是did_fte。这里面得到的结果都会差不多，因为ps值并不是非常靠近0或者1，所以得到的weight也不会因太大或太小而出现偏差。
完整code file到因果推断研究小组提取使用，计量社群则晚一点可以提取。
完整code file到因果推断研究小组提取使用，计量社群则晚一点可以提取。
推荐阅读：
2.1998-2016年中国地级市年均PM2.5数据release
4.2005-2015中国分省分行业CO2数据circulation
5.实证研究中用到的135篇文章, 社科学者常用toolkit
所有计量经济圈方法论丛的code程序, 社科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。