传统PSM-DID模型的改进与应用

摘要

在倾向得分匹配-双重差分模型(PSM-DID)的应用中,面临原本适用于截面数据的倾向得分匹配(PSM)运用到面板数据中的挑战,传统基于面板数据转化为截面数据再匹配的方案和基于面板数据逐期匹配的方案,容易产生"自匹配"现象或匹配对象在政策前后不一致的问题.为克服上述问题,本文对传统的逐期匹配方案进行了如下改进:一是对匹配变量进行区分,并由特殊类变量和倾向得分值(ps值)共同控制匹配;二是匹配方式由原来ps值点对点匹配,改进为ps值序列间的整体匹配.更进一步,在应用实例中显示,当对照组与处理组差异较大且存在特殊类变量时,利用改进后的PSM-DID模型可以更加有效地识别出政策产生的效应.