، كيف ل حساب - ميل - درجة - في - الحسابية الفوركس

نقاط الميل مطابقة في ستاتا باستخدام تيفكتس لسنوات عديدة، كانت الأداة القياسية لدرجة الميل مطابقة في ستاتا الأمر psmatch2، كتبه إدوين لوفين وبربارة سيانيسي. ومع ذلك، قدم ستاتا 13 الأمر تيفكتس جديد لتقدير آثار العلاجات في مجموعة متنوعة من الطرق، بما في ذلك مطابقة درجة الميل. الأمر بتيماتس بتيماتس لديه ميزة واحدة مهمة جدا على psmatch2. فإنه يأخذ في الاعتبار حقيقة أن درجات الميل تقدر بدلا من أن تكون معروفة عند حساب الأخطاء القياسية. وكثيرا ما يتبين أن ذلك يحدث فرقا كبيرا، وأحيانا بطرق مدهشة. ولذلك فإننا نوصي بشدة التحول من psmatch2 إلى يحافظ بسماتش. وستساعدك هذه المقالة في إجراء عملية النقل. مثال على مطابقة نقاط الميل قم بتشغيل الأمر التالي في ستاتا لتحميل مجموعة بيانات مثال: يتكون من أربعة متغيرات: مؤشر معالجة t. المتغيرات المتزامنة x1 و x2. ونتائج ذ. هذا هو البيانات التي شيدت، وتأثير العلاج هو في الواقع زيادة وحدة واحدة في y. ومع ذلك، فإن احتمال العلاج يرتبط إيجابيا مع x1 و x2. ويرتبط كل من x1 و x2 بشكل إيجابي مع y. وهكذا فإن مجرد مقارنة متوسط ​​قيمة y للمجموعات المعالجة وغير المعالجة يهم بشكل كبير تأثير العلاج: (ينعكس y على t x1 و x2 سيعطيك صورة جيدة جدا للوضع). سوف يعطيك الأمر psmatch2 تقدير أفضل بكثير من تأثير العلاج: psmatch2 تي X1 X2، خارج (ذ) تيفكتس الأمر يمكنك تنفيذ نفس التقدير مع تيفكتس. في هذه الحالة يكون الأمر الأساسي هو: تيفكتس بسماتش (y) (t x1 x2) ومع ذلك، فإن السلوك الافتراضي ل تيفكتس (تيفكتس بسماتش) ليست هي نفسها كما psmatch2 بشكل جيد تحتاج إلى استخدام بعض الخيارات للحصول على نفس النتائج. أولا، PSmatch2 بشكل افتراضي تقارير متوسط ​​تأثير العلاج على المعالجة (وهو ما يشير إلى أن أت). يقود الأمر تيفكتس بشكل افتراضي متوسط ​​تأثير المعالجة (يت) ولكن سيحسب متوسط ​​تأثير المعالجة على المعاملة (التي يشير إليها على أنها أتيت) إذا أعطيت الخيار أتيت. ثانيا، يستخدم psmatch2 افتراضيا نموذج بروبيت لاحتمال العلاج. يستخدم الأمر تيفكتس نموذج لوجيت بشكل افتراضي، ولكن سوف يستخدم بروبيت إذا تم تطبيق الخيار بروبيت على معادلة العلاج. لذلك لتشغيل نفس النموذج باستخدام تيفكتس تايب: تيفكتس بسماتش (y) (t x1 x2، بروبيت)، أتيت متوسط ​​تأثير المعالجة على المعاملة متطابقة، بخلاف تقريبها في مكان مختلف. ولكن لاحظ أن تيفكتس تقارير خطأ قياسي مختلف جدا (مناقشة جيدا لماذا هذا هو قريبا)، بالإضافة إلى Z - الإحصائية، قيمة P، و 95 فترة الثقة بدلا من مجرد T - الإحصائية. تشغيل تيفكتس مع الخيارات الافتراضية يعطي ما يلي: تيفكتس بسماتش (y) (t x1 x2) وهذا يعادل: psmatch2 t x1 x2، أوت (y) لوجيت أتيت يت من هذا النموذج مشابهة جدا ل أتاتيت من السابق نموذج. ولكن لاحظ أن psmatch2 الإبلاغ عن أت مختلفة إلى حد ما في هذا النموذج. يصدر الأمر تيفكتس نفس أتيت إذا سئل: تيفكتس بسماتش (y) (t x1 x2)، أتيت أخطاء قياسية يتضمن إخراج psmatch2 التنبيه التالي: ملاحظة: S. E. لا يأخذ في الاعتبار أن درجة الميل قدرت. ورقة حديثة من قبل أبادي وإيمبنس (2012. مطابقة على درجة الميل المقدرة جامعة هارفارد والمكتب الوطني للبحوث الاقتصادية) أنشأت كيفية أن تأخذ في الاعتبار أن درجات الميل وتقدر، ويعتمد بتاتش بسماتش على عملهم. ومن المثير لالهتمام أن تعديل إيت يتغير دائما، مما يؤدي إلى أخطاء قياسية أصغر: إن المطابقة استنادا إلى درجات الميل المقدرة تبين أنها أكثر كفاءة من المطابقة استنادا إلى درجات الميل الحقيقي. ومع ذلك، بالنسبة إلى أتيت يمكن أن يكون التعديل إيجابيا أو سلبيا، وبالتالي فإن الأخطاء القياسية التي يبلغ عنها psmatch2 قد تكون كبيرة جدا أو صغيرة. التعامل مع العلاقات حتى الآن استخدمنا psmatch2 وتيفكتس بسماتش للقيام بسيطة أقرب الجار مطابقة مع جار واحد (وليس الفرجار). ومع ذلك، فإن هذا يثير مسألة ما يجب القيام به عندما اثنين من الملاحظات لها نفس درجة الميل وبالتالي ترتبط لجينار كوتناريست. كوت العلاقات هي مشتركة إذا المتغيرات في نموذج العلاج هي الفئوية أو حتى الأعداد الصحيحة. يتطابق الأمر psmatch2 بشكل افتراضي مع واحد من الملاحظات المرتبطة، ولكن مع خيار العلاقات يتطابق مع جميع الملاحظات مرتبطة. يتطابق الأمر تيفكتس بسماتش دائما مع كل العلاقات. إذا مجموعة البيانات الخاصة بك لديها ملاحظات متعددة مع نفس درجة الميل، لن تحصل بالضبط نفس النتائج من تيفكتس بسماتش كما كنت تحصل من psmatch2 إلا إذا كنت أعود وإضافة خيار العلاقات لأوامر psmatch2 الخاص بك. (في هذا الوقت نحن لسنا على علم بأي توجيه واضح حول ما إذا كان من الأفضل أن تتطابق مع العلاقات أم لا.) مطابقة مع الجيران متعددة افتراضيا تتفكتس بسماتش يطابق كل ملاحظة مع ملاحظة أخرى واحدة. يمكنك تغيير ذلك باستخدام خيار نايبور () (أو ن ن ()) فقط. على سبيل المثال، يمكنك مطابقة كل ملاحظة مع أقرب ثلاثة جيران لها: تيفكتس بسماتش (y) (t x1 x2)، ن (3) بوستستيماشيون افتراضيا بتيماتس بسماتش لا يضيف أي متغيرات جديدة إلى مجموعة البيانات. ومع ذلك، هناك مجموعة متنوعة من المتغيرات المفيدة التي يمكن إنشاؤها مع خيارات والتنبؤ بعد التنبؤ الأوامر. يسرد الجدول التالي ملاحظات 1 و 467 من مجموعة بيانات المثال بعد إنشاء بعض هذه المتغيرات. كذلك ارجع إليها كما نوضح الأوامر التي خلقت المتغيرات الجديدة. مراجعة هذه المتغيرات هي أيضا وسيلة جيدة للتأكد من أنك تفهم بالضبط كيف يسجل الميل الأعمال المطابقة. ابدأ مع لائحة نظيفة بكتابة: استخدم ssc. wisc. edussccpubsfilespsm، استبدال الخيار جين () يقول تيفكتس بسماتش لإنشاء متغير جديد (أو متغيرات). وبالنسبة لكل ملاحظة، سيحتوي هذا المتغير الجديد على عدد الملاحظة التي تقابلها الملاحظة. إذا كان هناك علاقات أو قلت تيفكتس بسماتش لاستخدام الجيران متعددة، ثم جين () سوف تحتاج إلى إنشاء متغيرات متعددة. وبالتالي يمكنك توفير الجذعية من اسم المتغير، و تيفكتس بسماتش إضافة اللواحق حسب الحاجة. تيفكتس بسماتش (y) (t x1 x2)، جين (ماتش) في هذه الحالة تتم مطابقة كل ملاحظة فقط مع بعضها البعض، لذلك جين (ماتش) يخلق match1 فقط. بالإشارة إلى المثال الناتج، تطابق الملاحظة 1 هي الملاحظة 467 (وهذا هو السبب في إدراج هذين النوعين). لاحظ أن أرقام الملاحظة هذه صالحة فقط بترتيب الفرز الحالي، لذا تأكد من إمكانية إعادة إنشاء هذا الطلب إذا لزم الأمر. إذا لزم الأمر، تشغيل: لاستعادة ترتيب الفرز الحالي. يؤدي الأمر التنبؤ مع الخيار بس إلى إنشاء متغيرين يحتويان على درجات الميل، أو أن التنبؤات توقع احتمال وجودها إما في المجموعة الضابطة أو المجموعة المعالجة: توقع ps0 ps1، بس هنا ps0 هو احتمال توقع وجودها في المجموعة الضابطة ( t0) و PS1 هو الاحتمال المتوقع لوجوده في المجموعة المعالجة (t1). تمت مطابقة الملاحظات 1 و 467 لأن درجات ميلهم متشابهة جدا. الخيار بو يخلق المتغيرات التي تحتوي على النتائج المحتملة لكل ملاحظة: التنبؤ Y0 y1، بو لأن الملاحظة 1 في المجموعة الضابطة، و Y0 يحتوي على القيمة الملحوظة من y. y1 هي القيمة الملاحظة ل y لمطابقة الملاحظة 1s، الملاحظة 467. ويفترض مقياس مطابقة درجة الميل مطابقة أنه إذا كانت الملاحظة 1 في المجموعة المعالجة فإن قيمتها y كانت هي الملاحظة في المجموعة المعالجة الأكثر تشابها لها (حيث يقاس كوتسامزاليتيكيوت بالفرق في درجات الميل). الملاحظة 467 هي في المجموعة المعالجة، لذلك قيمته ل y1 هي قيمته الملحوظة من y بينما قيمته ل y0 هي القيمة الملحوظة y لمطابقته، الملاحظة 781. تشغيل الأمر التنبؤ بدون خيارات يعطي تأثير العلاج نفسه: تأثير العلاج هو ببساطة الفرق بين y1 و y0. هل يمكن حساب إيت بنفسك (ولكن بالتأكيد لا خطأ قياسي) مع: و أتيت مع: الانحدار على كوتوماتشد سامبلكوت وهناك طريقة أخرى لتصور مطابقة درجة الميل هو التفكير في ذلك اختيار عينة من المجموعة الضابطة التي كوتوماتشكوت العلاج مجموعة. ثم يفترض أن أي اختلافات بين العلاج ومجموعات السيطرة المتطابقة هي نتيجة للعلاج. لاحظ أن هذا يعطي متوسط ​​تأثير المعالجة على معاملة 8212 لحساب إيت يود إنشاء عينة من المجموعة المعالجة التي تتطابق مع عناصر التحكم. ومن الناحية الرياضية، يساوي هذا كله استخدام المطابقة لتقدير ما يمكن أن تكون عليه نتائج الرصدات إذا كانت في المجموعة الأخرى، على النحو المبين أعلاه. في بعض الأحيان يرغب الباحثون في تشغيل الانحدارات على عينة كوماتشاتد، التي تعرف بأنها الملاحظات في المجموعة المعالجة بالإضافة إلى الملاحظات في المجموعة الضابطة التي كانت مطابقة لهم. والمشكلة في هذا النهج هي أن العينة المطابقة تستند إلى درجات الميل التي تقدر، وغير معروفة. وبالتالي فإن مخطط المطابقة هو تقدير أيضا. تشغيل الانحدارات بعد مطابقة هو في الأساس نموذج الانحدار مرحلتين، والأخطاء القياسية من المرحلة الثانية يجب أن تأخذ المرحلة الأولى في الاعتبار، شيء أوامر الانحدار القياسية لا تفعل. وهذا مجال للبحث المستمر. سوف نناقش كيفية تشغيل الانحدارات على عينة مطابقة لأنه لا يزال تقنية شعبية، ولكن لا يمكننا أن نوصي به. psmatch2 يجعل من السهل عن طريق خلق متغير الوزن تلقائيا. بالنسبة للملاحظات في المجموعة المعالجة، يكون الوزن 1. بالنسبة للملاحظات الموجودة في المجموعة الضابطة، يكون عدد الملاحظات من المجموعة المعالجة التي تكون الملاحظة متطابقة معها. إذا كانت الملاحظة ليست مباراة، الوزن مفقود. وبالتالي الوزن بمثابة وزن التردد (الوزن)، ويمكن استخدامها مع ستاتاس بناء الجملة الترجيح. على سبيل المثال (تبدأ مع لائحة نظيفة مرة أخرى): استخدم ssc. wisc. edussccpubsfilespsm، واستبدل psmatch2 t x1 x2، أوت (y) لوجيت ريج y x1 x2 t الوزن الثقيل يتم حذف ملاحظات ذات قيمة مفقودة للوزن من الانحدار، لذلك يقتصر تلقائيا على عينة مطابقة. مرة أخرى، نضع في اعتبارنا أن الأخطاء القياسية التي قدمها أمر ريج غير صحيحة لأنها لا تأخذ بعين الاعتبار مرحلة مطابقة. تيفكتس بسماتش لا يخلق متغير الوزن، ولكن من الممكن إنشاء واحد على أساس متغير match1. هنا هو رمز المثال، مع تعليقات: جين أوبن تخزين أرقام الملاحظة لاستخدامها في المستقبل حفظ فولداتا، واستبدال حفظ مجموعة البيانات كاملة تبقي إذا ر تبقي فقط المجموعة تعامل الحفاظ match1 الحفاظ على مجرد متغير match1 (أرقام المراقبة من مبارياتهم) بيسورت match1: جين ويتن عد كم مرة كل مراقبة المراقبة هي مباراة بواسطة match1: حافظ إذا حافظ n1 على صف واحد فقط لكل مراقبة مراقبة رن match1 أوب إعادة تسمية لأغراض الدمج دمج 1: m أوب باستخدام فولداتا دمج مرة أخرى في البيانات الكاملة استبدال Weight1 إذا t الوزن إلى 1 للرصدات المعالجة سيكون متغير الوزن الناتج مطابقا لمتغير الوزن الذي تم إنشاؤه بواسطة psmatch2. كما يمكن التحقق منها مع: يتم استخدامه في نفس الطريق، وسوف تعطي بالضبط نفس النتائج: ريج y X1 X2 t الوزن الثقيل ومن الواضح أن هذا هو عمل أكثر قليلا جيدة من استخدام psmatch2. إذا كان لديك الميل درجة مطابقة نموذج يمكن القيام به باستخدام كل من بيماتش تيفكتس و psmatch2. قد تحتاج إلى تشغيل تيفكتس بسماتش للحصول على الخطأ القياسي الصحيح ثم psmatch2 إذا كنت في حاجة الى متغير الوزن. هذا الانحدار لديه N من 666، 333 من المجموعة المعالجة و 333 من المجموعة الضابطة. ومع ذلك، فإنه يستخدم فقط 189 ملاحظات مختلفة من المجموعة الضابطة. حوالي 13 منها هي مباريات لأكثر من ملاحظة واحدة من المجموعة المعالجة وبالتالي يتم تكرار في الانحدار (تشغيل علامة التبويب الوزن إذا ر للحصول على التفاصيل). الباحثون في بعض الأحيان استخدام الخيار نوريبل (لا بديل) في psmatch2 لضمان استخدام كل ملاحظة مرة واحدة فقط، على الرغم من أن هذا عموما يجعل مطابقة أسوأ. على حد علمنا ليس هناك ما يعادل مع تيفكتس بسماتش. وتترك نتائج هذا الانحدار إلى حد ما مرغوبة: من خلال بناء جميع المعاملات يجب أن يكون 1. الانحدار باستخدام جميع الملاحظات (ريج y x1 x t بدلا من ريج y x x x t الوزن الخفيف) أفضل في هذه الحالة: أساليب أخرى للتقدير آثار العلاج في حين أن الميل درجة مطابقة هي الطريقة الأكثر شيوعا لتقدير الآثار العلاجية في سك، تيفكتس أيضا بتنفيذ تعديل الانحدار (تيفكتس را)، معكوس الاحتمال الترجيح (تيبكتس إيبو)، المعزز الاحتمال معكوس الترجيح (تيبكتس إيبو)، معكوس الاحتمالات المرجحة الانحدار تعديل (تيفكتس إيبورا)، وأقرب الجار مطابقة (تيفكتس نماتش). بناء الجملة مشابه، على الرغم من أنه يختلف ما إذا كنت تحتاج إلى تحديد متغيرات لنموذج النتيجة أو نموذج المعالجة أو كليهما: تيفكتس را (y x1 x2) (t) تيفكتس إيبو (y) (t x1 x2) تيفكتس إيبو (y x1 x2) (t x1 x2) تيفكتس إيبورا (y x1 x2) (t x1 x2) تيفكتس نماتش (y x1 x2) (t) كومبليت إكسامبل كود ما يلي هو التعليمات البرمجية الكاملة للأمثلة في هذه المقالة. مسح كل استخدام ssc. wisc. edussccpubsfilespsm تيست y، بواسطة (t) ريج y x1 x2 t psmatch2 t x1 x2، خارج (y) تيفكتس بسماتش (y) (t x1 x2، بروبيت)، أتيت تيفكتس بسماتش (y) x1 x2) psmatch2 t x1 x2، أوت (y) لوجيت أتي تيفكتس بسماتش (y) (t x1 x2)، أتيت وس ssc. wisc. edussccpubsfilespsm، يستبدل تيفكتس بسماتش (y) (t x1 x2)، جين ps0 ps1، بس التنبؤ y0 y1، بو التنبؤ t l إذا n1 n467 استخدام ssc. wisc. edussccpubsfilespsm، استبدال psmatch2 t x1 x2، خارج (y) لوجيت ريج y x1 x2 t الوزن الوزن أوبن حفظ فولداتا، استبدال تيفكتس بسماتش (y) (t x1 x2)، جن (مباراة) إبقاء إذا ر الحفاظ match1 بيسورت match1: جين ويتن من match1: إبقاء إذا n1 رن match1 أوب دمج 1: m أوب باستخدام فولداتا استبدال الوزن 1 إذا كان t ريج y x1 x2 t الوزن الحقيقي ريج y X1 x2 (t x1 x2) تيفكتس إيبو (y x1 x2) (t x1 x2) تيفكتس إيبورا (y x1 x2) (t x1 x2) تيفكتس نماتش (y x1) x2) (t) آخر مراجعة: 2162015ARCHIVED: في ستاتا، كيف يمكنني إجراء درجة الميل مطابقة ستاتا ليس لديها وهو أمر مدمج لمطابقة نقاط الميل، وهي طريقة غير تجريبية لأخذ العينات التي تنتج مجموعة مراقبة يتشابه توزيع المتغيرات المتكافئة مع مجموعة المعاملة. ومع ذلك، هناك العديد من وحدات مكتوبة المستخدم لهذه الطريقة. الوحدات التالية هي من بين الأكثر شعبية: وقد وضعت psmatch2.ado من قبل ليوفن وسيانيسي (2003) و pscore. ado بيكر وإيشينو (2002). في الآونة الأخيرة، أبادي، دروكر، هير، و إمبنس (2004) قدم nnmatch. ado. جميع الوحدات الثلاث تدعم الزوج مطابقة وكذلك تصنيف فرعي. يمكنك العثور على هذه الوحدات باستخدام الأمر. net كما يلي: يمكنك تثبيت هذه الوحدات باستخدام الأمر. ssc أو. net، على سبيل المثال: بعد التثبيت، قراءة ملفات التعليمات للعثور على الاستخدام الصحيح، على سبيل المثال: إذا كان لديك أسئلة حول استخدام البرامج الإحصائية والرياضية في جامعة إنديانا، اتصل البحث التحليلات. يقع التحليلات البحثية في الحرم الجامعي إيو بلومينغتون في قاعة وودبورن 200 الموظفين متاحة للتشاور الاثنين-الجمعة 9 صباحا - نون والتعيين. هذا هو وثيقة الوثيقة في قاعدة المعارف. آخر تعديل في 2015-06-30 00:00:00.