STATA

在Stata中，进行倾向匹配分析可以遵循以下步骤：

确定匹配变量：根据研究的实际需要，选择一些与因变量和处理变量相关的变量作为匹配变量，建立倾向得分模型。通常选择的变量包括性别、年龄、基线特征、治疗前病情等。

建立倾向得分模型：使用logistic回归建立倾向得分模型，预测每个个体被分配到处理组的概率，即倾向得分。得分越接近于1，越可能被分配到处理组；得分越接近于0，越可能被分配到对照组。模型拟合后，将倾向得分保存在数据集中。

匹配处理组和对照组：根据倾向得分对处理组和对照组进行匹配。可以使用Stata中的“psmatch2”命令，该命令基于倾向得分对两组进行匹配，最终生成一个匹配数据集，其中处理组和对照组之间已经消除了倾向得分不平衡的影响。

分析匹配数据集：使用匹配数据集进行分析。通过比较处理组和对照组在匹配变量和其他变量上的均衡性，评估匹配结果的可信度。可以使用Stata中的“teffects”命令计算匹配结果的平均处理效应。

需要注意的是，在进行倾向匹配分析时，倾向得分模型的建立需要满足一些假定前提，如线性关系、缺失数据随机性、平衡性等，因此需要进行模型检验和灵敏度分析，以保证分析结果的可靠性。

1.打开stata

2. 命令窗口键入如下命令：

.gen tmp = runiform() 

.sort tmp (以上两步对所有观测值进行随机排序)

.psmatch2 treat age educ black hispan married nodegree re74 re75, out(re78) logit neighbor(1) common caliper(.05) ties

.pstest, both

.psgraph

3.得到匹配图，分析数据