【更新版】Stata如何做1000次安慰劑檢驗(yàn)(Placebo Test)肾档?

緣起

  • 之前寫了一個stata如何做placebo test的文章,本來只是寫給自己看,記錄自己的學(xué)習(xí)過程怒见,沒想到瀏覽上千俗慈,也是有點(diǎn)意外加激動。
  • 有些朋友說根據(jù)我寫的代碼遣耍,改到自己的項(xiàng)目里闺阱,跑不出來結(jié)果,正好今天有學(xué)弟問我這個問題舵变,于是我把代碼重寫了一次酣溃,這次用stata官方給的auto數(shù)據(jù)寫的,應(yīng)該沒有bug了纪隙,有問題歡迎留言評論赊豌。
  • 上次的文章鏈接:

http://www.reibang.com/p/ef4f920494d
(該文粗略講了安慰劑的原理,并提供一版自明性相對差點(diǎn)的stata代碼绵咱,本文在這篇文章的基礎(chǔ)上碘饼,修改了stata代碼。)

實(shí)現(xiàn)

假設(shè)我的數(shù)據(jù)集是auto.dta
因變量為price
自變量為rep78
控制變量為headroom weight length
回歸模型為OLS麸拄,即主回歸代碼為reg rep78 headroom weight length
下面是1000次placebo test的代碼

forvalue i=1/1000{
    sysuse auto, clear  //調(diào)入數(shù)據(jù)
    *- 思路:打亂rep78,即將rep78的全部取值拿出暫存派昧,然后隨機(jī)賦給每一個樣本

    *- 打亂rep78,即將rep78的全部取值拿出暫存
    g obs_id= _n //初始樣本序號
    gen random_digit= runiform() //生成隨機(jī)數(shù)
    sort random_digit  //按新生成的隨機(jī)數(shù)排序
    g random_id= _n  //產(chǎn)生隨機(jī)序號
    preserve
        keep random_id rep78 //保留虛擬的rep78
        rename rep78 random_rep78
        rename random_id id //重命名為id,以備與其他變量合并(merge)
        label var id 原數(shù)據(jù)與虛擬處理變量的唯一匹配碼
        save random_rep78, replace
    restore 
        drop random_digit random_id rep78 //刪除原來的rep78
        rename obs_id id //重命名為id拢切,以備與random_rep78合并(merge)
        label var id 原數(shù)據(jù)與虛擬處理變量的唯一匹配碼
        save rawdata, replace 

    *- 合并,回歸秆吵,提取系數(shù)
        use rawdata, clear
        merge 1:1 id using random_rep78,nogen
        reg  price random_rep78 headroom weight length
        g _b_random_rep78= _b[random_rep78]  //提取x的回歸系數(shù)
        g _se_random_rep78= _se[random_rep78] //提取x的標(biāo)準(zhǔn)誤
        keep _b_random_rep78 _se_random_rep78 
        duplicates drop _b_random_rep78, force
        save placebo`i', replace  //把第i次placebo檢驗(yàn)的系數(shù)和標(biāo)準(zhǔn)誤存起來
    }
    
*- 縱向合并1000次的系數(shù)和標(biāo)準(zhǔn)誤 
use placebo1, clear
forvalue i=2/1000{
    append using placebo`i' //縱向合并1000次回歸的系數(shù)及標(biāo)準(zhǔn)誤
}  
 
gen tvalue= _b_random_rep78/ _se_random_rep78
kdensity tvalue, xtitle("t值") ytitle("分布") saving(placebo_test) 
    
*-刪除臨時(shí)文件
forvalue i=1/1000{
    erase  placebo`i'.dta 
} 

*-mark:后續(xù)有時(shí)間再將它封裝成程序【完】

文獻(xiàn)范例

  • 周茂淮椰、陸 毅、杜 艷纳寂、 姚 星主穗,2018:《開發(fā)區(qū)設(shè)立于地區(qū)制造業(yè)升級》,《中國工業(yè)經(jīng)濟(jì)》第3期毙芜。
image.png
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末忽媒,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子腋粥,更是在濱河造成了極大的恐慌晦雨,老刑警劉巖,帶你破解...
    沈念sama閱讀 222,378評論 6 516
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件隘冲,死亡現(xiàn)場離奇詭異闹瞧,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)展辞,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,970評論 3 399
  • 文/潘曉璐 我一進(jìn)店門奥邮,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事洽腺〗潘冢” “怎么了?”我有些...
    開封第一講書人閱讀 168,983評論 0 362
  • 文/不壞的土叔 我叫張陵蘸朋,是天一觀的道長核无。 經(jīng)常有香客問我,道長度液,這世上最難降的妖魔是什么厕宗? 我笑而不...
    開封第一講書人閱讀 59,938評論 1 299
  • 正文 為了忘掉前任,我火速辦了婚禮堕担,結(jié)果婚禮上已慢,老公的妹妹穿的比我還像新娘。我一直安慰自己霹购,他們只是感情好佑惠,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,955評論 6 398
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著齐疙,像睡著了一般膜楷。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上贞奋,一...
    開封第一講書人閱讀 52,549評論 1 312
  • 那天赌厅,我揣著相機(jī)與錄音,去河邊找鬼轿塔。 笑死特愿,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的勾缭。 我是一名探鬼主播揍障,決...
    沈念sama閱讀 41,063評論 3 422
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼俩由!你這毒婦竟也來了毒嫡?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,991評論 0 277
  • 序言:老撾萬榮一對情侶失蹤幻梯,失蹤者是張志新(化名)和其女友劉穎兜畸,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體礼旅,經(jīng)...
    沈念sama閱讀 46,522評論 1 319
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡膳叨,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,604評論 3 342
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了痘系。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片菲嘴。...
    茶點(diǎn)故事閱讀 40,742評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出龄坪,到底是詐尸還是另有隱情昭雌,我是刑警寧澤,帶...
    沈念sama閱讀 36,413評論 5 351
  • 正文 年R本政府宣布健田,位于F島的核電站烛卧,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏妓局。R本人自食惡果不足惜总放,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 42,094評論 3 335
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望好爬。 院中可真熱鬧局雄,春花似錦、人聲如沸存炮。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,572評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽穆桂。三九已至宫盔,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間享完,已是汗流浹背灼芭。 一陣腳步聲響...
    開封第一講書人閱讀 33,671評論 1 274
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留般又,地道東北人姿鸿。 一個月前我還...
    沈念sama閱讀 49,159評論 3 378
  • 正文 我出身青樓,卻偏偏與公主長得像倒源,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子句狼,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,747評論 2 361

推薦閱讀更多精彩內(nèi)容