1 PSM模型的ATT统计量
2 PSM模型的应用
2.1 数据
外国投资者被称为“聪明的投资者”，但由于我国资本市场的开发程度较低，2014年之前外国投资者不能直接参与我国股市。2014年，我国推出了沪港通制度（一部分上市公司被选为沪港通标的），沪港通股票可以被外国投资者买卖；2016年又相继推出了深港通。
这里我们收集了2016年我国上市工业企业的财务数据，以及外资介入（是否为沪港通标的、是否为深港通标的）数据，采用PSM方法来研究外资介入对企业资产总计的影响。
2.2 录入数据
打开数据编辑窗口，将数据从Excel中复制到Stata，注意粘贴时选择“将第一行作为变量名”
2.3 数据预处理
变量变换：
g lnage=ln(year-成立年)
rename 资产总计 asset
g lnasset=ln(asset)
rename 资产负债率 debt
rename 流动比率 liquit
rename 总资产周转率 turnover
rename 外资介入 fc
2.4 初步估计
线性回归：
reg lnasset fc,r
在估计结果中，fc变量的系数显著为正数，表明外资介入可以提高企业总资产。但是线性回归中可能存在反向因果关系：即外国投资者是因为企业总资产高才选择投资该企业！ 为了消除反向因果关系，需要采用PSM方法来处理。
2.5 PSM估计
安装psmatch2命令：
ssc install psmatch2
采用k邻近匹配方法（k=1）进行估计：
psmatch2 fc lnage roe turnover liquit debt, n(1) outcome(lnasset) ate ties logit common
估计结果中有三个表：
第一个表是采用logit模型来估计lnage、roe，...，等变量对fc的影响，并据此计算倾向匹配得分，其中各变量系数的显著性要求不高。但如果ATT统计量不显著，也可以来调整该表中的控制变量；
第二个表中给出了匹配前和匹配后处理组和对照组的差异。在Unmatched中，处理组和对照组的差异为2.69897301,对应的T统计量为25.48，由于T的临界值为1.56左右，所以匹配前处理组和对照组的差异显著不为零。同时，匹配前处理组和对照组的差值本质上和线性回归中fc的估计值是一样的。匹配后，ATT表示成功匹对后处理组和对照组的差异，ATT统计量为2.31787271，对应的T值为14.94，同样显著。由于匹配后的企业具有相似性，因而可以说明是外资介入导致了企业总资产上升。
第三个表给出了匹配数据的统计。
数据平衡性检验：
pstest lnage roe turnover liquit debt, both graph
在结果表中给出了各变量匹配前后处理组和对照组的偏差。lnage变量中，匹配前处理组和对照组的偏差为50.7，对应的P值小于0.1（显著），因而数据不平衡。匹配后处理组和对照组的偏差为-2.4，对应的P值大于0.1（不显著），表明匹配后样本数据达到平衡。其余样本匹配后样本都达到了平衡。
当然，也可以通过以下图形来判断，匹配后数据的偏差更小，因而数据更为平衡。
显示倾向匹配得分的共同取值范围：
psgraph
从图中可以看出，大多数样本均处于共同范围内（Onsupport） Untreated：Off support的范围较小，因而样本损失较少。
2.6 其他匹配方法下的PSM估计
PSM中的匹配方法有多种，在实际应用中，可以多选几种方法进行估计，以确保分析的稳健性！
采用k邻近匹配方法（k=4）进行估计：
psmatch2 fc lnage roe turnover liquit debt, n(4) outcome(lnasset) ate ties logit common
在估计结果中，ATT统计量依然显著为正，表明结果稳健！
采用核匹配方法进行估计：
psmatch2 fc lnage roe turnover liquit debt,kernel outcome(lnasset) ate ties logit common
在估计结果中，ATT统计量依然显著为正，表明结果稳健！
采用局部线性回归匹配方法进行估计：
psmatch2 fc lnage roe turnover liquit debt,llr outcome(lnasset) ate ties logit common
在估计结果中，ATT统计量依然显著为正，表明结果稳健！