প্যানেল ডেটার সাথে মিলে যায় প্রচারের স্কোর


13

আমি ব্যক্তিদের একটি অনুদায়ী তথ্য সেট আছে এবং তাদের কিছু চিকিত্সা সাপেক্ষে ছিল এবং অন্যদের ছিল না। সমস্ত ব্যক্তি জন্ম থেকে 18 বছর অবধি নমুনায় থাকে এবং চিকিত্সাটি এই ব্যাপ্তির মধ্যে কোনও বয়সে ঘটে। চিকিত্সার বয়স বিভিন্ন ক্ষেত্রে পৃথক হতে পারে। প্রপেনসিটি স্কোর ম্যাচিংয়ের সাহায্যে আমি জন্মের বছরে সঠিক মিলের সাথে চিকিত্সা এবং নিয়ন্ত্রণ ইউনিটগুলির সাথে মিল রাখতে চাই যাতে আমি প্রতিটি জোড়কে তাদের জন্মগত বছর থেকে 18 বছর অবধি ট্র্যাক করতে পারি all সব মিলিয়ে প্রায় 150 জন চিকিত্সা করা এবং 4000 চিকিত্সাবিহীন ব্যক্তি রয়েছেন। মিলের পরে ধারণাটি হ'ল চিকিত্সার প্রভাবটি অনুমান করার জন্য একটি পার্থক্য-পার্থক্য কৌশলটি ব্যবহার করা।

এই মুহুর্তে আমি যে সমস্যার মুখোমুখি হচ্ছি তা হ'ল প্যানেল ডেটার সাথে মিলে যাওয়া। আমি স্টাতার psmatch2কমান্ডটি ব্যবহার করছি এবং আমি প্রপেনসিটি স্কোর ম্যাচিং ব্যবহার করে ঘরোয়া এবং স্বতন্ত্র বৈশিষ্ট্যগুলিতে মেলে। প্যানেল ডেটা সহ সাধারণভাবে প্রতিটি বয়সের সাথে বিভিন্ন অনুকূল মিল থাকবে। উদাহরণস্বরূপ: যদি এটিকে চিকিত্সা করা হয়, বি এবং সি নিয়ন্ত্রণ হয় এবং এগুলির সবগুলিই ১৯৮০ সালে জন্মগ্রহণ করে, তবে ক এবং বি মিটি ১৯৮১ সালে মিলিত হতে পারে ০১ বয়সের মধ্যে এবং এ এবং সি ১৯৮১ সালে ১ ম বয়সের সাথে মিলিত হয় এবং আরও । এছাড়াও এ এর ​​আগের বছরের তুলনায় প্রাক-চিকিত্সার নিজস্ব মানগুলির সাথে মেলানো যেতে পারে।

এই সমস্যাটি ঘুরে দেখার জন্য, আমি সর্বকালের পরিবর্তিত বিভিন্ন চলকগুলির গড় গড়ে নিয়েছি যাতে মিলটি নমুনার সময়কালের তুলনায় গড়ে সবচেয়ে বেশি অনুরূপ ব্যক্তিদের সনাক্ত করতে পারে এবং আমি প্রতিটি বয়সের 0 থেকে 18 বছরের জন্য পৃথকভাবে ম্যাচটি করি। দুর্ভাগ্যক্রমে এটি এখনও প্রতি গ্রুপের প্রতিটি চিকিত্সা ইউনিটের সাথে একটি আলাদা নিয়ন্ত্রণ ইউনিটের সাথে মেলে।

যদি কেউ স্টাটাতে প্যানেল ডেটার সাথে জুড়ে মেলাতে কোনও পদ্ধতির দিকে আমাকে গাইড করতে পারে তবে এটি খুব প্রশংসা হবে।

উত্তর:


9

মেলানোর পদ্ধতির জন্য প্রাসঙ্গিক সমস্ত বৈশিষ্ট্যগুলির সাথে আপনাকে মূলত একটি প্রশস্ত বিন্যাসের ডেটাসেট তৈরি করতে হবে, এই ক্রস-বিভাগীয় ডেটাসেটের সাথে ম্যাচটি সম্পাদন করতে হবে এবং তারপরে প্যানেল ডেটাসেটে ম্যাচযুক্ত জোড়াকে সনাক্ত করতে আইডি ব্যবহার করুন। এখানে আরও কিছু বিবরণ দেওয়া হল:

  1. reshapeপ্রশস্ত ফর্ম্যাট ডেটাসেট তৈরি করতে ব্যবহার করুন । প্রাক-চিকিত্সার ভেরিয়েবলগুলিকে আপনি যেভাবে ম্যাচিং পদ্ধতিতে ব্যবহার করতে চান তা ফর্ম্যাট করুন। যদি আপনার একেক ব্যক্তির একাধিক পর্যবেক্ষণ থাকে তবে আপনি কেবল আপনার ভেরিয়েবলের গড় নিতে পারেন তবে আপনি অন্যান্য উপায়েও আসতে পারেন (আপনি একই ভেরিয়েবলের একাধিক পর্যবেক্ষণ যেমন হেলথ 1, হেলথ 2 রাখতে পারেন এবং সেগুলি সব মিলিয়ে ব্যবহার করতে পারেন) )। লক্ষ্যটি হ'ল পৃথকভাবে একটি পর্যবেক্ষণ সহ একটি ডেটাসেট ।

  2. এই ডেটাসেট ব্যবহার করে, এর সাথে মিলে যাওয়ার পদ্ধতিটি সম্পাদন করুন psmatch2

  3. মূল ডেটাসেটের সাথে ম্যাচ করা মামলার তথ্যগুলি মার্জ করুন। যেগুলি মিলে না যায় সেগুলি ড্রপ করুন psmatch2the

এই পদক্ষেপগুলি ব্যবহার করে, আপনি প্রাক-চিকিত্সার সমস্ত তথ্যের ভিত্তিতে কেসগুলি মেলাতে পারেন এবং চিকিত্সা ইউনিটে আপনার কেবল একটি ম্যাচ রয়েছে।


3
আমি জানি না কেন এই পোস্টটি কেন নিচে ভোট হয়েছে কারণ এই উত্তরটি আসলে সহায়তা করে। আমি আবার এটি ভোট দিতে হবে। ধন্যবাদ গ্রেগ!
অ্যান্ডি

5

স্টাটা বা অন্য যে কোনও সফ্টওয়্যার সম্পর্কে আমি সচেতন তা করার কোনও উপায় নেই ।

আপনি যদি প্যানেল ডেটা কৌশলগুলির সাথে একটি পক্ষপাতদুষ্ট ম্যাচিং অনুমানকারীকে প্যাচ করার চেষ্টা করছেন, তবে এটির জন্য একটি পদ্ধতি যা কার্যকর হতে পারে's আপনি যদি ধরে নিতে পারেন যে মিলটি কিছুটি পক্ষপাতিত্বের যত্ন নেয় তবে সমস্ত পক্ষপাতদুষ্ট নয় তবে পক্ষপাতটি সময়ের সাথে সাথে মূলত স্থির থাকে, আপনি প্রতিটি সময়কালে পৃথক মিলের প্রাক্কলনগুলি তৈরি করে এবং গ্রহণের মাধ্যমে পক্ষপাতের সময়-অবিস্মরণীয় অংশটি সরাতে পারেন পার্থক্য.

ttY0

E[Y0t|X,D=1]E[Y0t|X,D=0]=E[Y0t|X,D=1]E[Y0t|X,D=0]=Bias,
Δটি'এম=Δটিটি+ +বিআমিএকটিগুলিΔটিএম=বিআমিএকটিগুলিΔটি'এম-Δটিএম=Δটিটি

হেকম্যান, ইচিমুরা, স্মিথ এবং টড ১৯৯৯ একনোমেট্রিকিয়া এবং আইচলার এবং ল্যাকনার 2002 শ্রম অর্থনীতি সংক্রান্ত কাগজপত্রগুলি এই পদ্ধতির উদাহরণ। অন্যদিকে, কাজ করার জন্য এই পদ্ধতির জন্য 150 টি চিকিত্সা পর্যবেক্ষণগুলি পর্যাপ্ত না হতে পারে।


1
প্যানেল ডেটার জন্য জোড়ায় ব্যক্তিদের মিলানো সম্ভব হওয়া উচিত কারণ এই দুটি কাগজপত্র ( পেপার 1 , পেপার 2 ) এটিও করে । দুর্ভাগ্যক্রমে লেখকরা ঠিক কীভাবে এটি করেছিলেন তা বর্ণনা করে না। আপনি হেকম্যান এট আল (1998) এর সাথে যে ধারণাটি বর্ণনা করছেন সেটি হ'ল জোড় জোড়ের পরে ডিফ-ইন-ডিফ ব্যবহার করার কারণ।
অ্যান্ডি

আমার কাছে এটি স্পষ্ট নয় যে তারা প্যানেল মিলছে, তবে আপনি ঠিক বলেছেন যে পদ্ধতিগুলি অস্পষ্ট। লেখকরা পিস্কোর লিখেছিলেন, যা অন্যকে সাহায্য করার জন্য নির্দিষ্ট ইচ্ছার ইঙ্গিত দেয়। সম্ভবত তাদের একটি ইমেল জিনিস স্পষ্ট করবে। তারা কি বলে রিপোর্ট করুন। এটি একটি গুরুত্বপূর্ণ প্রশ্ন।
দিমিত্রি ভি। মাস্টারভ

0

পদক্ষেপ:

  1. গ্রেগের দ্বারা এটি বিশদে উল্লেখ করা হয়েছে, আপনি ম্যাচটি তৈরির জন্য প্রাক-চিকিত্সার উপায়ে বা কোনও নির্দিষ্ট প্রাক-চিকিত্সা সময়কালে ক্রস-বিভাগীয় ডেটাসেট ব্যবহার করতে পারেন।

  2. পুরো প্যানেলটি ব্যবহার করে আপনি
    একটি এর জন্য সূচক ভেরিয়েবল বরাদ্দ করেন । চিকিত্সা স্বতন্ত্র
    খ। চিকিত্সা পিরিয়ড, চিকিত্সা ব্যক্তি চিকিত্সার জন্য চিকিত্সা হওয়ার সাথে সাথে পরবর্তীটি শূন্যের সমান।

    যেহেতু সময়ের মধ্যে চিকিত্সা সময়কাল 0 থেকে 1 এর মধ্যে ব্যক্তিভেদে পরিবর্তিত হয় এবং চিকিত্সা ছাড়াই কখনও কখনও 1 এ পরিণত হয় না আপনাকে অবশ্যই চিকিত্সা করা ম্যাচ থেকে চিকিত্সা না করা ম্যাচে একই সূচনা পয়েন্ট নির্ধারণ করতে হবে। এটি স্বজ্ঞাত হলেও আমি এখনও একটি ভাল রেফারেন্স দেখতে চাই যা এই পদ্ধতির ন্যায্যতা দেয় যা আমি এখনও খুঁজে পাইনি।

রিগ্রেশন সেট আপ হবে:

depvar = treatedIndvidual + treatedPeriod  + treatedIndvidual*treatedPeriod + controls

যেখানে ইন্টারঅ্যাকশন শব্দটি আপনাকে চিকিত্সার প্রভাব দেয়।


-2

আপনি কি nnmatch কমান্ড ব্যবহার বিবেচনা করেছেন ?

আমি এই কমান্ডটি ব্যবহার করি এবং এটি একটি দুর্দান্ত বিস্তৃত। এটি অ্যাকাউন্টে বিভিন্ন মিলের অ্যালগরিদম এবং এমন কেস গ্রহণ করে যা কিছু নিয়ন্ত্রণ গোষ্ঠীর ব্যক্তিদের জন্য প্রপেনসিটির স্কোর একই। অবশ্যই, কেস-নিকটতম-প্রতিবেশী বা কার্নেল বা অন্য যে কোনও কিছু নিলে এই ক্ষেত্রে চিকিত্সাটি ম্যাচিং অ্যালগরিদমের উপর নির্ভর করে।


আপনি উল্লেখ করা নিবন্ধে, আমি প্যানেল ডেটার কোনও উল্লেখ দেখতে পাচ্ছি না। আপনি কী এটি প্যানেল ডেটার জন্য ব্যবহার করেছেন? যদি তাই হয় তবে দয়া করে নির্দিষ্ট হয়ে ওপি এর প্রশ্নের উত্তর দেওয়ার জন্য কিছু কোড সরবরাহ করুন।
মেট্রিকস

হুবহু মিলটি সহজ তবে সামগ্রিক এনএনমেচ আরও জটিল কারণ এটি বর্তমান ডেটা সেটের অভ্যন্তরে ম্যাচিং আইডি সংরক্ষণ করে না তবে একটি পৃথক করে। আমি প্রতিটি বয়সের জন্য একটি ডেটা সেট দিয়ে শেষ করব যা মূল ডেটাতে একত্রীকরণ করা দরকার। এই ক্ষেত্রে মার্জ করা কাজ করে না কারণ মিলের বৈশিষ্ট্যগুলি অনন্যভাবে মূল ডেটাতে ব্যক্তিদের সনাক্ত করে না। সুতরাং দুর্ভাগ্যক্রমে এটি কোনও সমাধান দেয় না।
অ্যান্ডি
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.