互助问答第544期:关于平均处理效应解释问题

关于平均处理效应解释问题

1.平均处理效应解释咨询

老师,您好,我想问下,PSM方法得出的平均处理效应ATT,应该如何解释呢,看了一些文章有的直接就把ATT值作为处理组使解释变量提升多少百分比,如ATT为0.05,解释为参加医疗保险能够使老年人“自评健康好”的概率提高5%。也有的文章解释为处理组使解释变量提升多少,如参加医疗保险能够使老年人“自评健康好”的概率提高0.05。再通过ATT值除以控制组的值来获得提升的百分比,弄的我比较懵,希望老师能指点一下。

祝好~

这个ATT是处理组相对于控制处的平均影响,其数值大小其实关注得并不多,而重要的是其显著性和正负号。当然你如果真要去解释,就理解为概率是可以的。

(0)

相关推荐

  • 终于有人把p值讲明白了

    导读:p值(P value)就是当原假设为真时,比所得到的样本观察结果更极端的结果出现的概率,是用来判定假设检验结果的一个参数.p值是根据实际统计量计算出的显著性水平.本文带你了解p值和对p值的常见误 ...

  • 期刊科普 | 撰写手稿时10个常见的统计错误

    期刊科普 | 撰写手稿时10个常见的统计错误

  • 名词解释:低值易耗品

    低值易耗品(dī zhí yì hào pǐn)名词解释:是指劳动资料中单位价值在规定限额以下或使用年限比较短(一般在一年以内)的物品.它跟固定资产有相似的地方,在生产过程中可以多次使用不改变其实物形 ...

  • Logit-Probit:非线性模型中交互项的边际效应解读

    Logit-Probit:非线性模型中交互项的边际效应解读

  • 学习笔记 | 内生性全面介绍

    内生性全面介绍 1 内生性的来源 1.1 外生性的提出 1.2 内生性的产生 2 内生性的表现形式 2.1 一般性的遗漏变量偏误(omitted variable bias) 2.2 自选择偏误( s ...

  • 互助问答第463期:关于固定效应面板二元logit模型问题

    关于固定效应面板二元logit模型问题 老师,您好.在使用固定效应面板二元logit模型时,出现以上结果窗口提示,意味着最终纳入模型的样本量小于实际样本量,为什么在纳入模型的过程中会将这些样本进行自动 ...

  • 互助问答第529期:双向固定效应和单向固定效应结果不一致的问题

    关于双向固定效应和单向固定效应结果不一致问题 老师好,最近在做实证分析的过程中遇到一点问题,想向您请教一下,希望能解答. 问题是这样的,数据为08-16年非平衡面板数据.在面板回归分析中只加入固定效应 ...

  • 互助问答第436期:关于固定效应回归命令的问题

    关于固定效应回归命令的问题 老师您好,请问reg i.ind i.year,robust这个命令属于固定效应吗?如果不是的话那就是混合OLS吗? reg i.ind i.year,robust这回归没 ...

  • 互助问答第435期:关于中介效应的问题

    关于中介效应的问题 老师,您好!请问一下,在用逐步回归法检验中介效应时,用的是面板数据,且每一个模型中自变量以及控制变量都滞后一期.这样做没问题吧,谢谢老师.如下所示 Yit=C0+C1Xit-1+C ...

  • 互助问答第423期:关于固定效应的问题

    关于固定效应的问题 老师,您好.我在做面板数据的固定效应回归时碰到一个问题: 我有两类变量X1和X2,单独对Y=α+βX1-,或者Y=α+βX2-回归时都是显著的,但是放在同一个模型中Y=α+β1X1 ...

  • 互助问答第484期:关于DID样本时间选择的问题

    关于DID样本时间选择的问题 请问DID的样本时间起码要选事件发生前的多少年呢?如果是事件发生当年开始算可以吗? 一般3~5年,具体事件发生当年还是滞后的一年算,要根据具体的政策来看.

  • 互助问答第483期:关于控制变量选择的问题

    关于控制变量选择的问题 想请教下关于控制变量选择的问题.第一个回归我加了三个控制变量,第二个根据已有的文献我又加入了人口密度.但是回归的结果显示,人口密度加进去好像没什么意义,感觉显著性好像没那么强, ...

  • 互助问答第482期:关于边际效应描述的问题

    关于边际效应描述的问题 老师好,我想问问关于边际效应的系数怎么描述呢? 需要具体看你的变量如何度量,你参考一下文献中类似的度量来描述.

  • 互助问答第485期:关于定序变量的问题

    关于定序变量的问题 请问老师定序变量当自变量可以当数值变量放到回归模型中吗,1到4的定序,比如公平1-4越大越公平,在自变量里可以直接当数值放还是必须需要让非常不公平的那个做参照组. 可以直接放,很多 ...