固定效应psm stata

### 实现固定效应倾向得分匹配 (PSM) 的方法

在 Stata 中实现固定效应倾向得分匹配可以通过多种方式完成。一种常用的方法是通过 `xtlogit` 或者 `clogit` 命令来估计条件 logit 模型，从而获得个体层面的倾向得分[^1]。

对于面板数据中的固定效应 PSM，可以采用如下策略：

#### 数据准备
确保数据集按照时间序列和个体 ID 进行排列，并设置为面板数据结构：

tsset id time_variable

#### 估算倾向得分模型
使用条件逻辑回归命令 `clogit` 来控制不可观测的时间不变异因素的影响：

clogit treatment_var covariates, group(id)
predict pscore, xb

这里 `treatment_var` 是处理变量，而 `covariates` 表示协变量列表；`group(id)` 定义了分组依据即个体ID。

#### 执行匹配过程
利用预测得到的倾向得分为基础来进行最近邻匹配或其他类型的匹配操作。Stata 提供了一个名为 `psmatch2` 的外部包用于执行此任务：

ssc install psmatch2
psmatch2 treatvar using control_data.dta, outcome(outcome_vars) common caliper(.05) noreplacement

其中 `caliper()` 参数指定了卡尺宽度以提高匹配质量，`noreplacement` 则表示不允许重复抽样。

#### 结果分析
最后一步是对匹配后的样本进行因果效应评估。这通常涉及到计算平均处理效果 ATT（Average Treatment Effect on Treated），并检验其统计显著性：

teffects psmatch (outcome_vars) (treatvar), atet vce(bootstrap reps(100))
estat summarize

上述流程展示了如何在考虑固定效应的情况下，在 Stata 中实施基于倾向得分的匹配分析。