一、半径（卡尺）匹配

psmatch2 x  controls ,out(y) radius cal(0.01) ate ties logit common

pstest controls, both graph //考察匹配结果是否很好地平衡了数据

psgraph //柱状图 看on support部分越多 匹配的效果越好

  drop if _weight == . //保留匹配成功样本

然后对保留的样本再进行回归，以下同理。

二、核匹配

psmatch2 x  controls ,out(y) kernel ate ties logit common  

pstest controls, both graph //考察匹配结果是否很好地平衡了数据
*核密度函数图
kdensity _pscore if durationA==1,addplot(kdensity _pscore if durationA==0) //匹配前命令 观测密度函数图  
  kdensity _pscore if durationA==1, addplot(kdensity _pscore if _wei!=.) //匹配后命令 若两个核函数图从差异很大变得很近似，说明效果好

  drop if _weight == .

三、k邻近匹配 1:1匹配 & 1:4匹配

1：1
psmatch2 x controls  ,out(y) logit ate  n(1)  common caliper(.05) ties

pstest controls, both graph

drop if _weight == . //保留匹配样本

1：4
psmatch2 x controls  ,out(y) logit ate  n(4)  common caliper(.05) ties
pstest controls, both graph

gen pair1 = _id if _treated==0
replace pair1 = _n1 if _treated==1
gen pair2 = _id if _treated==0
replace pair2 = _n2 if _treated==1
gen pair3 = _id if _treated==0
replace pair3 = _n3 if _treated==1
bysort pair1: egen paircount1 = count(pair1)
bysort pair2: egen paircount2 = count(pair2)
bysort pair3: egen paircount3 = count(pair3)
egen byte paircount = anycount(paircount1 paircount2 paircount3), values(2)
drop if paircount==0  //保留匹配样本


至于您提的问题，建议看陈强的书高级计量经济学与stata，里面应该有很具体的说明。

drop weight==.

可以参考郭申阳等人的《倾向值分析：统计方法与应用》第五章，可以把匹配好的样本进行多元分析，也可以直接计算ATT。

谢谢伙伴！！！

太详细了，谢谢！
不过我想问一下，最后调取样本的方法和drop if _weight ==.有何差异？我实践了一下，前者最后似乎是一对一匹配？