最佳解决方法是PSM，参见
Becker, S., A. Ichino, Estimation of average treatment effects based on propensity scores, STATA JOURNAL, 2002, 2 (4): 358-377.
Leuven, E., B. Sianesi, PSMATCH2: Stata module to perform full Mahalanobis and propensity score matching, common support graphing, and covariate imbalance testing, Version 1.2.0, http://ideas.repec.org/c/boc/bocode/s432001.html, 2003.

可以在此简要的给点回答么？！！！！谢谢

我看过了一楼给的文献 还是不懂呀，拜托了

连老师，您好~
看了您写的那篇“股权激励是否真的有效”的文章，受益匪浅，结合stata journal基本把PSM方法弄明白了，目前还有一个问题，就是如何用stata作出匹配前后的核密度图？是用psgraph吗？

那篇文章已经发表：
Lian, Y., Z. Su, Y. Gu, 2011, Evaluating the effects of equity incentives using PSM: Evidence from China, Frontiers of Business Research in China, 5 (2): 266-290.

处理过程如下：
*-----------------------------------------------------------
*
* PSM 论文数据处理程序（Given by Lian Yu-jun 连玉君）
*
* Lian, Y., Z. Su, Y. D. Gu, 2011,
*   Evaluating the Effects of Equity Incentives Using PSM:
*   Evidence from China,
*   Frontiers of Business Research in China, 5(2):266-290.
*-----------------------------------------------------------

*=================
*    PSM 分析
*=================
* -psmatch2- 命令
    global x "size lev  prof tobin gpay hhi5"
    global xv "_Isicmen* state"
global if56  "if year>=2005"
dropvars jili_gp jili_qq
    gen jili_gp = (jili_type==2)
       label var jili_gp "1=股票激励,0=其它"
    gen jili_qq = (jili_type==1)
       label var jili_qq "1=期权激励,0=其它"
   
   
  *- 比较各变量匹配前后的情况
     
   *- 最近邻匹配
      cap drop u
      gen u = uniform()
      sort u
      psmatch2 jili $x $xv $if56, neighbor(3) logit  
      order id year jili _pscore- _pdif
   *- 匹配前后解释变量的差异对比
      pstest $x
      
   *----------
   *-Figure 01
   *----------
   
                                /* 需要输出图形时，直接执行里面的命令即可
   *- 比较密度函数图
   
      *-匹配前的密度函数图   
        *-E-version(large)
          twoway (kdensity _ps if _treat==1,lp(solid) lw(*2.5)) ///
            (kdensity _ps if _treat==0,lp(dash) lw(*2.5)), ///
            ytitle("Density", size(*1.1))      ///
   ylabel(,angle(0) labsize(*1.1))    ///
            xtitle("Propensity Score", size(*1.1))  ///
   xscale(titlegap(2))         ///
            xlabel(0(0.2)0.8, format(%2.1f) labsize(*1.1))  ///
            legend(label(1 "Incentive") label(2 "Control") row(2) ///
               position(3) ring(0) size(*1.1))   ///
            scheme(s1mono)
          graph export "Figs\kn01_large.wmf",  ///
              replace fontface("Times New Roman")         
        
        
      *-匹配后的密度函数图
        *-E-version(large)
        twoway (kdensity _ps if _treat==1,lp(solid) lw(*2.5)) ///
            (kdensity _ps if _wei!=1 & _wei!=.,lp(dash) lw(*2.5)), ///
            ytitle("Density", size(*1.1))      ///
   ylabel(,angle(0) labsize(*1.1))    ///
            xtitle("Propensity Score", size(*1.1))  ///
   xscale(titlegap(2))         ///
            xlabel(0(0.2)0.8, format(%2.1f) labsize(*1.1))  ///
            legend(label(1 "Incentive") label(2 "Control") row(2) ///
               position(3) ring(0) size(*1.1))   ///
            scheme(s1mono)
         graph export "Figs\kn02_large.wmf",  ///
              replace fontface("Times New Roman")