Entropy Balancing 熵平衡是什么？
熵平衡问的是能否直接给对照组加权，让它在关键协变量上和处理组高度相似。它不先匹配个体，而是通过约束让加权后的协变量矩对齐。
先用一句话理解
把熵平衡想成给对照组调配比例。不是找一个最像的对照个体，而是调整整组对照样本的权重，让它们的平均特征看起来像处理组。
什么时候用
| 判断项 | 教科书式判断 |
|---|---|
| 适合用在 | 希望处理组和对照组在协变量均值、方差或更高阶矩上精确平衡。 |
| 先不要用在 | 处理组和对照组缺少共同支撑，或平衡约束过多导致权重极端。 |
| 最关键的前提 | 被平衡的协变量应是处理前变量，且足以描述选择进入处理的关键差异。 |
| 读表顺序 | 先看平衡约束是否达成，再看权重分布和处理效应。 |
| 论文表述边界 | 熵平衡改善可观察协变量平衡，不自动处理不可观察混杂。 |
把它和相近方法分清楚
| 容易混淆的对象 | 怎么区分 | 初学者记法 |
|---|---|---|
| PSM | 按倾向得分匹配相似个体。 | 强调匹配样本。 |
| IPW | 由倾向得分生成权重。 | 权重来自处理概率模型。 |
| 熵平衡 | 直接求权重使协变量矩匹配。 | 强调平衡约束本身。 |
核心直觉和模型公式
协变量矩匹配
熵平衡的核心约束可以写成：
\[\sum_{i:T_i=0}w_iX_i=\bar{X}_{T=1},\quad \sum_{i:T_i=0}w_i=1\]
权重 w_i 让加权后的对照组协变量均值等于处理组均值；也可以加入方差等更高阶矩。
公式里的符号怎么读
| 符号 | 含义 | 在本页怎么理解 |
|---|---|---|
| T_i=0 | 对照组 | 被重新加权的一组样本。 |
| w_i | 熵平衡权重 | 给每个对照组观测分配的权重。 |
| X_i | 处理前协变量 | 需要被平衡的变量。 |
| X_bar_T=1 | 处理组协变量矩 | 对照组加权后要对齐的目标。 |
专业使用口径
专业熵平衡报告要同时展示平衡质量和权重风险。
| 口径 | 专业写法 |
|---|---|
| 平衡变量 | 说明哪些处理前协变量被纳入约束。 |
| 约束阶数 | 均值、方差或更高阶矩应有理论和样本支持。 |
| 权重分布 | 报告最大权重、有效样本量或权重集中度。 |
| 结果解释 | 解释为加权后处理组和对照组的可比差异。 |
一步一步做：从问题到结果的五步
| 步骤 | 这一页具体做什么 | 做到什么程度才算读懂 |
|---|---|---|
| 1. 选处理前协变量 | 只选择处理发生前的可观察差异。 | 处理后变量不能平衡。 |
| 2. 设定平衡目标 | 通常先平衡均值，必要时平衡方差。 | 约束过多可能导致权重极端。 |
| 3. 求解权重 | 让对照组加权后匹配处理组。 | 求解失败也是信息。 |
| 4. 检查平衡 | 比较加权前后均值差。 | 平衡未达成不能解释效应。 |
| 5. 加权估计 | 用熵权重估计 ATET。 | 同时披露权重风险。 |
结果怎么读：先读口径，再读数字
本页案例读表时，先记住这个口径：匹配/加权前 DFI SMD = 0.1873；处理组与对照组的标准化差异。
| 读表顺序 | 本页怎么读 | 不要这样读 |
|---|---|---|
| 先看平衡表 | 加权后协变量是否对齐。 | 不要先读 ATET。 |
| 再看权重 | 权重是否集中在少数对照样本。 | 极端权重会让结果脆弱。 |
| 然后看效应 | 加权后处理组和对照组结果差异。 | 只适用于平衡后的可比样本。 |
| 最后看边界 | 仍只处理可观察协变量。 | 不可观察选择仍需其他识别。 |
初学者最容易错在哪里
| 误读 | 为什么错 |
|---|---|
| 只说用了 ebalance | 不够。必须报告平衡是否达成。 |
| 平衡处理后变量 | 错。会控制掉处理效应。 |
| 忽略极端权重 | 错。少数样本可能主导结果。 |
| 把熵平衡当内生性最终解决 | 错。它处理的是可观察选择。 |
先看这个案例的结论
- 匹配/加权前 DFI SMD = 0.1873；处理组与对照组的标准化差异。
- 匹配/加权后 DFI SMD = 0.0656；教学近似：展示平衡改善方向，正式页读对应命令输出。
- 匹配/加权前 ROA SMD = -0.0632；协变量平衡不能只看一个变量。
- 这些数字来自页面里的结果表；写论文时先解释数值含义，再讨论理论含义。
变量要求和案例口径
| 字段 | 口径 |
|---|---|
| 数据 | CSMAR 风格 A 股企业创新面板 |
| 原始样本 | 196 家上市公司，2015-2020 年，约 1200 个公司-年观测；各方法有效样本以本页输出表 N 为准 |
| 因变量 | patent_count；回归页通常使用 ln(1 + patent_count) |
| 核心解释变量 | dfi_index，数字普惠金融指数；部分案例输出展示的是标准化后的 dfi_index |
| 控制变量 | roa、lev、size、growth、cashflow、tobinq、top1、dual、board、indep、soe、age |
| 输出文件 | ebalance_results.csv |
| 角色要求 | 因变量、核心解释变量 |
| 依赖包 | ebalance |
实际代码
下面是本页案例里的最小 Stata 代码。它的作用是帮助你看清变量怎么进入模型、结果文件怎么生成，而不是要求你在网页里手动运行。
import delimited "$DATA_PATH", clear varnames(1) encoding(UTF-8)
gen ln_patent1 = ln(1 + patent_count)
egen firm_id = group(stkcd)
xtset firm_id year
global y ln_patent1
global count_y patent_count
global x dfi_index
global controls roa lev size growth cashflow tobinq top1 dual board indep soe age
gen post = year >= 2018
bysort firm_id: egen pre_dfi = mean(cond(year < 2018, dfi_index, .))
quietly summarize pre_dfi, detail
gen treat = pre_dfi >= r(p50)
gen did = treat * post
gen high_patent = patent_count > 2
gen running_dfi = dfi_index - 260
gen rdd_treat = running_dfi >= 0
ebalance treat $controls, targets(1)
reg $y treat [pw=_webal], vce(robust)
export delimited using "$JOB_DIR/ebalance_results.csv", replace实际输出表
这张表是本方法页配套案例的输出结果，用来把前面的公式、变量口径和代码对应到实际数字。
| 指标 | 数值 | 解释 |
|---|---|---|
| 样本 | 1200 obs / 196 firms / 2015-2020 | 来自共用案例 CSV |
| 因变量 | ln(1 + patent_count) | 企业创新产出 |
| 核心解释变量 | dfi_index | 数字普惠金融指数 |
| 输出文件 | ebalance_results.csv | empirical-wizard 对应方法产物 |
| 匹配/加权前 DFI SMD | 0.1873 | 处理组与对照组的标准化差异 |
| 匹配/加权后 DFI SMD | 0.0656 | 教学近似：展示平衡改善方向，正式页读对应命令输出 |
| 匹配/加权前 ROA SMD | -0.0632 | 协变量平衡不能只看一个变量 |
| ATET proxy | -0.0338 | 平衡后再看处理效应，而不是只报告匹配成功 |
案例图
这是一张由同一份案例数据生成的页面内诊断图。
论文里怎么写
本文进一步采用Entropy Balancing 熵平衡检验数字普惠金融变化对企业创新的影响。处理组、对照组和政策后变量均基于同一 firm-year 样本构造，结果报告在 ebalance_results.csv 中。若处理效应方向与基准回归一致，可作为政策评估维度的补充证据；若不一致，应优先解释识别假设和样本切分差异。
检查清单
- 先看平衡前后协变量均值和方差是否对齐，而不是只看 ATT。
- 说明熵平衡约束了哪些矩：均值、方差还是更高阶矩。
- 权重过度集中时，结果可能由少数对照样本驱动。