请问一下，处理效应模型需要什么检验来验证模型设定正确吗？

请教仁兄：倾向得分匹配模型（PSM）与平均处理效应模型（ATE）有什么差异？他们分别在什么情况下使用呢？是否有更详细的书目推荐，非常感谢！

请问陈强的书实在哎哪一章？

同问。。

您好，请问陈强的书后面说“表面上看，这意味着不存在内生性，可直接进行OLS估计。然而，也可能存在其他模型设定误差，比如忽略的妻子是否进行劳动力市场的内生选择（对于40%的观测值，ww=0,这意味着妻子无工作），”或者忽略了高此项和互动项。
请问如果是处理效应现实既存在内生性，同时模型又存在是否进行劳动力市场的内生选择这两大问题，该如何解决？

同问！请问问题最后怎么解决的

您好，请问像下面这种情况，外生变量很显著，可是处理效应的p值也很显著，这种表示什么？
. treatreg lnincome work_hours homework gy zx dz sx age age2 experience hukou healthy is_party is_urban east west, treat
> (married=sexratio) two first

Probit regression                                 Number of obs   =       2012
                                                  LR chi2(1)      =      23.29
                                                  Prob > chi2     =     0.0000
Log likelihood = -1115.3559                       Pseudo R2       =     0.0103

------------------------------------------------------------------------------
     married |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
    sexratio |  -.6389774   .1329911    -4.80   0.000    -.8996353   -.3783196
       _cons |   1.465433   .1669089     8.78   0.000     1.138298    1.792569
------------------------------------------------------------------------------

Treatment-effects model -- two-step estimates   Number of obs      =      2012

                                                Wald chi2(16)      =   6566.89
                                                Prob > chi2        =    0.0000

------------------------------------------------------------------------------
             |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
lnincome     |
  work_hours |   .1364251   .0019359    70.47   0.000     .1326308    .1402195
    homework |   -.204924   .0339245    -6.04   0.000    -.2714149   -.1384331
          gy |     1.4425   .1638876     8.80   0.000     1.121286    1.763714
          zx |  -.0240408   .2072328    -0.12   0.908    -.4302096    .3821281
          dz |   .7353449   .3613597     2.03   0.042     .0270929    1.443597
          sx |   .8869037   .7498048     1.18   0.237    -.5826868    2.356494
         age |   .3788979   .0839238     4.51   0.000     .2144102    .5433856
        age2 |  -.0038905   .0011934    -3.26   0.001    -.0062294   -.0015516
  experience |  -.0611817   .0308369    -1.98   0.047    -.1216209   -.0007425
       hukou |   .0758493   .1304975     0.58   0.561    -.1799212    .3316197
     healthy |   .0001312   .0488811     0.00   0.998    -.0956739    .0959364
    is_party |   .4020509   .2218493     1.81   0.070    -.0327656    .8368675
    is_urban |   .1050207   .1106477     0.95   0.343    -.1118448    .3218861
        east |   .5669382   .1519215     3.73   0.000     .2691775    .8646989
        west |   .0782284   .1377195     0.57   0.570     -.191697    .3481537
     married |  -2.156323   1.395477    -1.55   0.122    -4.891408    .5787615
       _cons |  -3.535827   1.661701    -2.13   0.033    -6.792701    -.278953
-------------+----------------------------------------------------------------
married      |
    sexratio |  -.6389774   .1329911    -4.80   0.000    -.8996353   -.3783196
       _cons |   1.465433   .1669089     8.78   0.000     1.138298    1.792569
-------------+----------------------------------------------------------------
hazard       |
      lambda |   .6836395   .8193207     0.83   0.404    -.9221996    2.289479
-------------+----------------------------------------------------------------
         rho |    0.29763
       sigma |  2.2969336
------------------------------------------------------------------------------

PSM不能处理内生性

Psm一定程度上可以减弱样本自选择带来的遗漏变量的问题

可以的

其实是缓解模型设定上的误差，并不能处理不可观测的内生性

同问，同学你搞清楚了吗

您好，请问您后面是怎么解决的呢，我看了很久help eteffects文档，也没能看太明白，能麻烦您再解释一下吗，感谢万分