ipt 0.2.3

ipt:python 2.7包，用于通过反概率倾斜进行因果推理

作者：Bryan S.Graham，加州大学伯克利分校，电子邮件：bgraham@econ.berkeley.edu

这个包包括一个Python2.7实现，它实现了 Graham、Pinto和Egel（2016）引入的处理（ATT）估计量。函数att（） 允许采样权重和“聚集标准错误”，但这些功能没有 但已经过了广泛的测试。

Graham介绍的平均治疗效果（ATE）估计器的实现， Pinto和Egel（2012）计划在未来更新。

本套餐按“原样”提供，不作任何担保、暗示或其他。尽管我会 感谢错误报告、改进建议等，我无法提供任何 有意义的用户支持。请在bgraham@econ.berkeley.edu给我发电子邮件

请在使用此代码时同时引用下面列出的代码和基础源文章 你研究中的代码。

一个简单的脚本示例如下：

>>>> # Append location of ipt module root directory to systems path
>>>> # NOTE: Only required if ipt not "permanently" installed
>>>> import sys
>>>> sys.path.append('/Users/bgraham/Dropbox/Sites/software/ipt/')

>>>> # Load ipt package
>>>> import ipt as ipt

>>>> # View help file
>>>> help(ipt.att)

>>>> # Read nsw data directly from Rajeev Dehejia's webpage into a
>>>> # Pandas dataframe
>>>> import numpy as np
>>>> import pandas as pd

>>>> nsw=pd.read_stata("http://www.nber.org/~rdehejia/data/nsw_dw.dta")

>>>> # Make some adjustments to variable definitions in experimental dataframe
>>>> nsw['constant'] = 1                # Add constant to observational dataframe
>>>> nsw['age']      = nsw['age']/10    # Rescale age to be in decades
>>>> nsw['re74']     = nsw['re74']/1000 # Recale earnings to be in thousands
>>>> nsw['re75']     = nsw['re75']/1000 # Recale earnings to be in thousands

>>>> # Treatment indicator
>>>> D = nsw['treat']

>>>> # Balancing moments
>>>> t_W = nsw[['constant','black','hispanic','education','age','re74','re75']]

>>>> # Propensity score variables
>>>> r_W = nsw[['constant']]

>>>> # Outcome
>>>> Y = nsw['re78']

>>>> # Compute AST estimate of ATT
>>>> [gamma_as, vcov_gamma_ast, study_test, auxiliary_test, pi_eff_nsw, pi_s_nsw, pi_a_nsw, exitflag] = \
>>>>                                                                 ipt.att(D, Y, r_W, t_W, study_tilt=True)

代码引用

格雷厄姆，布莱恩S.（2016）。“ipt:python 2.7包，用于通过反概率倾斜进行因果推理，”（版本0.2.2）

[计算机程序]。可在https://github.com/bryangraham/ipt（2016年5月4日访问）

论文引文

格雷厄姆、布莱恩、克里斯汀·平托和丹尼尔·埃格尔。（2012年）。“力矩条件模型的逆概率倾斜

缺少数据，“经济研究回顾79（3）：1053-1079” 格雷厄姆、布莱恩、克里斯汀·平托和丹尼尔·埃格尔。（2016年）。“通过 《学习倾斜辅助方法》（AST），《商业与经济统计杂志》31（2）：288 - 301页。