目录

1. 简介

在经济学中，我们常常希望评估某项公共政策实施后的效应。为了解决样本自选择问题，并得到政策的平均处理效应 (average treatment effect)，匹配估计量在评价文献中被广泛使用。

常用的匹配方法有最近邻特征匹配 (k-Nearest neighbors matching)、马氏距离匹配 (Mahalanobis matching)、半径匹配 (Radius matching)、倾向得分匹配 (Propensity score match, PSM) 等。其中，倾向得分匹配又需要基于前面提到的任意一种匹配的方法。

最流行匹配方法的莫过于基于最近邻匹配的倾向得分匹配。然而，在进行最邻近匹配的过程中，匹配的结果和效果会受到研究人员给定的近邻数量影响。双层优化匹配 (BLOP Matching) 通过将匹配和权重的选择与匹配后协变量平衡的改进联系起来，能够内生决定最佳近邻数量，且在协变量平衡方面表现出色。

接下来，本文主要介绍双层优化匹配 (BLOP Matching) 的理论内容和 Stata 操作。