共计 1395 个字符，预计需要花费 4 分钟才能阅读完成。
为什么需要因果推断？
在日常数据分析中，我们经常发现两个变量之间存在统计相关性，但这并不意味着其中一个导致了另一个。比如冰淇淋销量和溺水事件呈正相关，但真正的原因是气温升高。因果推断就是要识别变量间真正的因果关系，而不仅仅是相关性。
在反事实框架下，因果效应定义为：如果一个人接受了治疗和没接受治疗的结局差异。由于现实中我们无法同时观测到两种状态，所以需要借助统计方法进行估计。
Stata 中的三大因果推断方法
1. 匹配法（Matching）
原理 ：为处理组寻找相似的对照组样本，模拟随机实验
适用场景 ：观察性研究，协变量较多时
优缺点 ：
- 优点：直观易懂，不需要强函数形式假设
- 缺点：对重叠区域要求高，样本利用率低
2. 工具变量法（IV）
原理 ：利用与处理变量相关但与结果无关的变量
适用场景 ：存在未观测混杂时
优缺点 ：
- 优点：可以处理未观测混杂
- 缺点：寻找有效工具变量困难
3. 双重差分法（DID）
原理 ：比较处理组和对照组在政策前后的变化差异
适用场景 ：自然实验或准实验设计
优缺点 ：
- 优点：控制时间不变混杂因素
- 缺点：需要平行趋势假设
实战：用 psmatch2 实现倾向得分匹配
// 安装必要命令
ssc install psmatch2
// 加载示例数据
use "https://stats.idre.ucla.edu/stat/stata/faq/training.dta", clear
// 1. 估计倾向得分
psmatch2 treated age education married, logit
// 2. 最近邻匹配（1:1）psmatch2 treated age education married, logit neighbor(1) caliper(0.2)
// 3. 平衡性检验
pstest age education married, both graph
// 4. 计算 ATT 估计
regress outcome treated [pw=_weight], robust代码说明 ：
psmatch2命令用于估计倾向得分并执行匹配neighbor(1)表示 1:1 匹配caliper(0.2)设置最大允许得分差异pstest检查匹配后协变量平衡性- 最后用加权回归估计处理效应
常见统计陷阱及应对
混淆变量（Confounding）
问题 ：同时影响处理变量和结果的变量
解决方案 ：
- 测量并控制所有重要混淆变量
- 使用工具变量法
选择偏差（Selection Bias）
问题 ：样本非随机选择导致估计偏差
解决方案 ：
- 使用倾向得分匹配
- Heckman 选择模型
过度匹配（Overmatching）
问题 ：匹配了中介变量导致低估效应
解决方案 ：
- 只匹配预处理变量
- 避免匹配处理后的变量
生产环境避坑指南
- 忽略平衡性检验
- 错误：直接相信匹配结果
-
正确：每次匹配后必须运行
pstest -
错误设置匹配参数
- 错误：使用默认带宽
-
正确：通过交叉验证选择最优带宽
-
样本量不足
- 错误：小样本强行匹配
-
正确：检查共同支撑区域
-
遗漏重要协变量
- 错误：只匹配易测变量
-
正确：纳入所有理论相关变量
-
错误解释结果
- 错误：将 ATT 推广到总体
- 正确：明确估计的因果参数
进阶思考
- 如何处理连续型处理变量的因果效应？
- 当协变量维度很高时，有哪些改进匹配方法？
- 如何评估因果推断结果的稳健性？
总结
Stata 提供了强大的因果推断工具集，从基础的回归调整到复杂的匹配方法。掌握这些方法需要理解其背后的假设和限制。建议从简单的匹配法开始，逐步探索更复杂的方法。记住，因果推断的核心是设计而非单纯的统计技术。
正文完
