stata如何做敏感性分析?

Question

如题所述

Answer 1

敏感性分析在处理可能存在遗漏变量问题但数据不可得时，为研究结果的稳健性提供了一种检验方式。其核心思想是评估若遗漏的变量达到何种强度时，原来的分析结果才可能被改变，以此判断结果的可靠性。Stata 中的 `sensemakr` 命令可进行敏感性分析。

敏感性分析之所以重要，是因为在某些情况下，我们可能无法收集到所有相关变量的数据，这可能导致遗漏变量偏误。通过敏感性分析，我们试图了解，若遗漏的变量与我们已知的变量相关性达到何种程度时，研究结果会显著改变。如果这种改变需要非常强的证据，那么我们之前的研究结果就可能被认为是稳健的。

以Darfur数据集为例，该数据集来自Hazlett(2019)，探讨了在2003年和2004年达尔富尔政府策划的暴力事件中，直接受伤或致残的人是否更倾向于复仇或支持和平。我们使用了OLS回归模型，模型包括和平倾向、直接受害、性别及其他控制变量。敏感性分析的目标是确定在多大程度上遗漏变量需要与直接受害相关，才能改变原来的回归结果。

在进行敏感性分析时，首先需要下载并安装`sensemakr`命令和相关数据。`sensemakr`命令由Cinelli et al.(2020)开发，提供用于OLS估计的敏感性分析。数据集可以在作者的GitHub页面上找到，或通过特定Stata命令直接下载到当前工作目录。

使用`sensemakr`命令进行分析后，Stata会提供一系列指标，如估计系数的改变、标准误的增加等。这些指标帮助我们评估遗漏变量对模型结果的影响。为了使分析更加直观，通常会引入对比变量，以论证当遗漏变量的强度低于对比变量的强度时，原来的估计结果是有效的。例如，在Darfur的例子中，对比变量可以是性别，因为当地的暴力行为可能更倾向于针对特定性别的人群。

通过敏感性分析，我们不仅可以检验模型结果的稳健性，还能更深入地理解研究变量之间的复杂关系。此外，`sensemakr`命令还提供了相关的推文和安装最新版本的命令，帮助用户更好地理解和应用敏感性分析。