本人近期在读Angrist & Pschke 的mostly harmles  econemetrics,     在第三章中讲到了为了更近一步研究regression 与 CEF的关系，引出了对回归与匹配的关系问题， 回归可看作一种特殊的加权匹配估计量的计算工具。然后具体以比较匹配和回归被估量的数学结构来解释为何可以这么讲。
     我的问题是
           1.  回归和匹配作为两种控制策略，匹配有什么好处来让我们不用回归而是匹配的方法来控制协变量？也就是WHY Matching？
             我的疑问点： 既然回归和匹配都要去找到会引起选择性偏差的协变量，那么有事么理由来选择matching, 在propensity score matching 中我可以理解这一点，因为PSM中只需去找影响propensity score 的协变量，而我们往往跟对于treatment assighment 可能会掌握到跟多的信息，而对于outcomes 掌握的信息不足。

           2. Stratification   一般我们是翻译为  ”分层“么？和matching有啥区别？
      以上问题如可以的话请简明的回答个大意就行，因为急着做个报告， 只是这背后逻辑不是很清楚，如有自己的看法请直接表达，推荐文献是么的我来不及看。只是这背后逻辑不是很清楚

谢谢！！！