Synth_Runner命令:合成控制法高效实现

发布时间:2020-07-24 阅读 5699

Stata 连享会   主页 || 视频 || 推文

温馨提示: 定期 清理浏览器缓存,可以获得最佳浏览体验。

课程详情 https://gitee.com/arlionn/Course   |   lianxh.cn

课程主页 https://gitee.com/arlionn/Course

作者:何庆红(北京大学中国卫生经济研究中心)


目录


连享会合成控制法 专题推文

合成控制方法(Synthetic Control Method)由 Abadie and Gardeazabal (2003) 提出。目前,该方法已被广泛使用。本文介绍合成控制法高效实现命令 synth_runner

1. 背景介绍

在连享会此前发布的 「合成控制法 (Synthetic Control Method) 及 Stata 实现」 文中,我们已经介绍了当实验组只有一个对象(A市)时,可以使用 Abadie and Gardeazabal (2003) 提出的“合成控制法”(Synthetic Control Method) 来构造反事实框架。

其基本思想是,虽然无法找到 A 市的最佳控制地区,但通常可对若干大城市进行适当的线性组合,以构造一个更为优秀的“合成控制地区”(synthetic control region),并将 “真实 A 市”“合成 A 市” 进行对比,故名 “合成控制法”

合成控制法的一大优势是,可以根据数据(data-driven)来选择线性组合的最优权重,避免了研究者主观选择控制组的随意性。

然而,当实验组中有多个试点对象在不同的时间受到政策冲击时,「合成控制法 (Synthetic Control Method) 及 Stata 实现」 文中介绍的 synth 命令将无法实现。此时,synth_runner 命令是解决该问题的不二选择。该命令的优点包括:

  • 其一,它可以直接进行安慰剂检验,并提供统计推断的P value来比较安慰剂检验的效果;
  • 其二,允许多个试点对象在不同的时间受到冲击;
  • 其三,提供拟合优度和估计结果的可视化呈现。

2. 合成控制法原理

原理介绍请看以下链接:

3. 合成控制高效实现:synth_runner

3.1 命令安装

在 Stata 命令窗口中输入如下命令即可自动安装 synth_runner 命令:

ssc install synth_runner, replace

3.2 语法格式

synth_runner 的基本语法格式如下:

 synth_runner depvar predictorvars, {trunit(#) trperiod(#)|d(varname)}
                    [trends pre_limit_mult(real) training_propr(real) gen_vars
                    noenforce_const_pre_length ci max_lead(int)
                    n_pl_avgs(string) pred_prog(string) deterministicoutput
                    parallel pvals1s drop_units_prog(string)
                    xperiod_prog(string) mspeperiod_prog(string)
                    synthsettings]
  • 其中,depvar 为因变量(outcome variable)
  • predictorvars 为预测变量(predictors)。
  • 当试点对象只有一个时,必选项 trunit() 用于指定唯一的试点对象(trunit 表示 treated unit),必选项 trperiod() 用于指定试点时期(trperiod 表示 treated period)。
  • 当试点对象有多个时,选项 d(varname) 为 0-1 变量,当试点对象在试点时期之后取值为1,否则取值为 0。
  • 选项 trends 是指根据结果变量的时间顺序来匹配。具体而言,将研究对象的结果变量按照时间顺序排列,这样试点前一期的取值为1。
  • 选项pre limit mult作用是在进行安慰剂检验时,需要删除均方误差特别大的控制组对象,而这个选项提供了删除的倍数。
  • 选项training propr计算因变量的哪些时间作为预测变量。
  • 选项gen vars表示只有一个试点时间时,可以产生如下估计量:
    • 选项lead 表示试点后的动态时间,若为1,表示试点后第1期。
    • 选项depvar synth表示因变量的合成
    • 选项effect表示真实因变量与合成因变量之差。
    • 选项pre rmspe表示试点前预测变量的均方误差。
    • 选择项post rmspe表示试点后预测变量的均方误差。
    • 选项depvar scaled 表示标准化的因变量。
    • 选项**depvar scaled synth(if the match was done on trends)**表示标准化的合成因变量。
    • 选项**effect scaled (if the match was done on trends)**表示标准化的因变量与合成因变量之差。

3.3 加州控烟案例

链接: 加州控烟案例

背景

1988 年 11 月美国加州通过了当代美国最大规模的控烟法(anti-tobacco legislation),并于1989年1月开始生效。该法将加州的香烟消费税(cigarette excise tax)提高了每包 25 美分,将所得收入专项用于控烟的教育与媒体宣传,并引发了一系列关于室内清洁空气的地方立法(local clean indoor-air ordinances),比如在餐馆、封闭工作场所等禁烟。Abadie et al. (2010) 根据美国 1970-2000 年的州际面板数据,采用合成控制法研究美国加州 1988 年 第 99 号控烟法(Proposition 99)的政策效果。

. sysuse smoking      (打开数据集)
. xtset state year       (设为面板数据)
       panel variable:  state (strongly balanced)
        time variable:  year, 1970 to 2000
                delta:  1 unit

3.3.1 例子1:只有一个实验对象和实验期

首先,运用 synth_runner 命令重现上一篇推文 「」基于 synth 命令的结果

. synth_runner cigsale beer(1984(1)1988)   ///
        lnincome(1972(1)1988) retprice age15to24 ///
        cigsale(1988) cigsale(1980) cigsale(1975),  ///
        trunit(3) trperiod(1989) gen_vars

Estimating the treatment effects
Estimating the possible placebo effects (one set for each of the 1 treatment periods)
|                                    | Total: 38
.....................................| 26.00s elapsed. 

Conducting inference: 5 steps, and 38 placebo averages
Step 1... Finished
Step 2... Finished
Step 3... Finished
Step 4... Finished
Step 5... Finished

Post-treatment results: Effects, p-values, standardized p-values

             | estimates      pvals  pvals_std 
-------------+---------------------------------
          c1 | -7.887098   .1315789          0 
          c2 | -9.693599   .1842105          0 
          c3 |  -13.8027   .2105263          0 
          c4 |   -13.344   .1315789          0 
          c5 |  -17.0624   .1052632          0 
          c6 |  -20.8943   .0789474          0 
          c7 |  -19.8568   .1315789   .0263158 
          c8 |  -21.0405   .1578947          0 
          c9 |  -21.4914   .1052632   .0263158 
         c10 |  -19.1642   .1842105   .0263158 
         c11 |   -24.554   .1052632          0 
         c12 |  -24.2687   .1052632   .0263158 

  • 其中,cigsale(1975) cigsale(1980) cigsale(1988) 分别表示人均香烟消费在1975、1980与1988年的取值。
  • 必选项 trunit(3) 表示第 3 个州(即加州)为处理地区;
  • 必选项 trperiod(1989) 表示控烟法在 1989 年开始实施。

上表显示,加州控烟法对于人均香烟消费量有很大的负效应,而且此效应随着时间推移而变大,且统计上显著。具体来说,在 1989-2000 年(C1-C12)期间,加州的人均年香烟消费逐年减少。

其次,绘制图形查看合成效果,并绘制加州与合成加州人均香烟消费之差(即处理效应)。

. single_treatment_graphs, trlinediff(-1) effects_ylabels(-30(10)30)  ///
effects_ymax(35) effects_ymin(-35)
(13 real changes made)
(3 real changes made)

. effect_graphs, trlinediff(-1)

真实加州与合成加州
真实加州与合成加州
控烟的政策效应
控烟的政策效应

最后,进行统计推断:

. pval_graphs
原始P值
原始P值
标准化P值
标准化P值

上面两幅图显示,加州控烟法对于人均香烟消费量的负效应是显著的。

3.3.2 例子2:有多个实验对象和实验期

. capture drop D

. program my_pred, rclass
  1. args tyear
  2. return local predictors "beer(`=`tyear'-4'(1)`=`tyear'-1') lnincome(`=`tyear'-4'(1)`=`tyear'-1')" 
  3. return local predictors "beer(`=`tyear'-4'(1)`=`tyear'-1') lnincome(`=`tyear'-4'(1)`=`tyear'-1')" 
  4. end

. program my_drop_units
  1. args tunit
  2. if `tunit'==39 qui drop if inlist(state,21,38)
  3. if `tunit'==3 qui drop if state==21
  4. end

. program my_xperiod, rclass
  1. args tyear
  2. return local xperiod "`=`tyear'-12'(1)`=`tyear'-1'"
  3. end

. program my_mspeperiod, rclass
  1. args tyear
  2. return local mspeperiod "`=`tyear'-12'(1)`=`tyear'-1'"
  3. end
* 除了加州,假定佐治亚州在1988年也实施了烟草法案
. generate byte D = (state==3 & year>=1989) | (state==7 & year>=1988)

. synth_runner cigsale retprice age15to24, d(D) pred_prog(my_pred)  ///
trends training_propr(`=13/18') drop_units_prog(my_drop_units)) xperi
> od_prog(my_xperiod) mspeperiod_prog(my_mspeperiod)
Estimating the treatment effects
Estimating the possible placebo effects (one set for each of the 2 treatment periods)
|                                   | Total: 37
....................................| 45.00s elapsed. 
|                                   | Total: 37
....................................| 44.00s elapsed. 

Conducting inference: 6 steps, and 1369 placebo averages
Step 1... Finished
Step 2... Finished
Step 3... Finished
Step 4... Finished
Step 5... Finished
Step 6... Finished

Post-treatment results: Effects, p-values, standardized p-values

             | estimates      pvals  pvals_std 
-------------+---------------------------------
          c1 |  -.027493   .3002191   .0021914 
          c2 | -.0485773   .1775018   .0043828 
          c3 | -.0921521   .0394449          0 
          c4 | -.1017043   .0409058          0 
          c5 | -.1270111   .0241052          0 
          c6 | -.1352273   .0219138          0 
          c7 |  -.141674   .0262966          0 
          c8 |  -.196867   .0051132          0 
          c9 | -.1754307   .0124178          0 
         c10 | -.1833944   .0197224          0 
         c11 | -.1910038   .0233747          0 
         c12 | -.1889059   .0219138          0 

上表显示,加州控烟法对于人均香烟消费量的负效应随着时间逐渐变大,且统计上显著。

其次,绘制图形查看合成效果,并绘制实验组与合成实验组人均香烟消费之差(即处理效应)。

真实实验组和合成对照组
真实实验组和合成对照组
法案控烟效果
法案控烟效果

最后,进行统计推断:

原始P值
原始P值
标准化P值
标准化P值

上面两幅图显示,加州控烟法对于人均香烟消费量的负效应是显著的。

4. 参考资料

  • Abadie, A., Diamond, A., and J. Hainmueller. 2014. Comparative Politics and the Synthetic Control Method. American Journal of Political Science, [PDF]
  • Abadie, A., Diamond, A., and J. Hainmueller. 2010. Synthetic Control Methods for Comparative Case Studies: Estimating the Effect of California's Tobacco Control Program. Journal of the American Statistical Association. [PDF]
  • Abadie, A. and Gardeazabal, J. 2003. Economic Costs of Conflict: A Case Study of the Basque Country. American Economic Review. [Link]
  • Vanderbei, R.J. 1999. LOQO: An interior point code for quadratic programming. Optimization Methods and Software 11: 451-484.
  • Cavallo, E., S. Galiani, I. Noy, and J. Pantano. 2013. Catastrophic natural disasters and economic growth. Review of Economics and Statistics 95: 1549-1561.
  • 合成控制法简介及代码 , 点击底部 [阅读原文] 查看

相关课程

连享会-直播课 上线了!
http://lianxh.duanshu.com

免费公开课:


课程一览

支持回看,所有课程可以随时购买观看。

专题 嘉宾 直播/回看视频
最新专题 DSGE, 因果推断, 空间计量等
Stata数据清洗 游万海 直播, 2 小时,已上线
研究设计 连玉君 我的特斯拉-实证研究设计-幻灯片-
面板模型 连玉君 动态面板模型-幻灯片-
面板模型 连玉君 直击面板数据模型 [免费公开课,2小时]

Note: 部分课程的资料,PPT 等可以前往 连享会-直播课 主页查看,下载。


关于我们

  • Stata连享会 由中山大学连玉君老师团队创办,定期分享实证分析经验。直播间 有很多视频课程,可以随时观看。
  • 连享会-主页知乎专栏,300+ 推文,实证分析不再抓狂。
  • 公众号推文分类: 计量专题 | 分类推文 | 资源工具。推文分成 内生性 | 空间计量 | 时序面板 | 结果输出 | 交乘调节 五类,主流方法介绍一目了然:DID, RDD, IV, GMM, FE, Probit 等。
  • 公众号关键词搜索/回复 功能已经上线。大家可以在公众号左下角点击键盘图标,输入简要关键词,以便快速呈现历史推文,获取工具软件和数据下载。常见关键词:课程, 直播, 视频, 客服, 模型设定, 研究设计, stata, plus, 绘图, 编程, 面板, 论文重现, 可视化, RDD, DID, PSM, 合成控制法

连享会主页  lianxh.cn
连享会主页 lianxh.cn

连享会小程序:扫一扫,看推文,看视频……

扫码加入连享会微信群,提问交流更方便

✏ 连享会学习群-常见问题解答汇总:
https://gitee.com/arlionn/WD