Stata之倾向匹配得分法（PSM）

这门课解决什么问题：把因果推断落地成代码

很多做政策评估、市场调研或业务效果复盘的人，都会遇到一个绕不开的痛点：你观察到一个结果，但无法证明是某个干预带来的。比如上了某项培训的员工绩效变好，究竟是因为培训，还是因为愿意报名的人本来就更上进？倾向匹配得分法（PSM）就是用来处理这种自选择偏差的。它通过给受干预对象和未受干预对象打分，在两组里找出特征相似的样本进行配对，从而模拟出一个干净的对照组。这门课的切入点很明确，不空谈计量理论，而是直接把这套方法落到 Stata 软件的操作上，解决你“知道原理但不知道怎么跑数据”的困境。

适合什么基础，建议先看哪几块

这套资料非常短小精悍，总时长不过半小时左右，属于典型的实操速查手册，而非长篇大论的体系教材。它适合两类人：一是已经具备基础统计学概念、能看懂回归分析，但没怎么用过 Stata 做因果推断的分析人员；二是正在写实证论文、需要补上稳健性检验环节的高校学生。如果你连 Stata 的界面和基础命令都没碰过，建议先去熟悉软件的基本数据导入操作。在资料使用顺序上，建议先看第一节关于 PSM 介绍的片段，把匹配逻辑和适用前提理清；随后直接切入第二节的上机操作，跟着视频里的命令敲一遍。第三节关于 PSM-DID 的拓展，适合在掌握基础配对后，用来处理面板数据的动态效果。

资料怎么配合练习，学完能独立做什么

不要只用眼睛看视频，这套资料必须配合 Stata 软件边看边练。视频里展示的命令代码，建议你在自己的电脑上逐行运行。你可以找一份现成的横截面数据，比如某项补贴政策的发放记录与企业的后续财务指标，尝试自己跑通读取数据、计算倾向得分、设定卡尺或最近邻匹配、做平衡性检验这套完整流程。把视频里的代码当作模板，替换成你自己的变量名去试错。学完之后，你能独立完成一份规范的配对结果输出，包括匹配前后的样本分布对比和平均处理效应（ATT）的测算。这意味着以后遇到“评估某项措施是否真的有效”的场景，你不再只能做简单的均值对比，而是能拿出一套具备说服力的因果推断证据。