如何在Stata中为匹配观测生成匹配标识虚拟变量

1. 前期准备 #

先确认你的数据里有明确的处理组标识变量（比如treat，1代表处理组，0代表对照组），以及需要用来匹配的协变量（比如年龄、性别、疾病分期这类临床特征）。

2. 执行匹配操作（以常用的倾向得分匹配为例） #

第一步：估计倾向得分 #

用logit模型计算每个观测的倾向得分，也就是进入处理组的概率：

pscore treat age gender disease_stage, logit

把后面的协变量换成你实际要用的变量即可。

第二步：完成1:k匹配（k≥1，可按需调整） #

比如给每个处理组匹配2个对照组，同时设置卡尺范围保证匹配质量：

psmatch2 treat, neighbor(2) caliper(0.05) common

参数说明：

• neighbor(2)：指定每个处理组匹配2个对照组，改成3就是1:3匹配
• caliper(0.05)：限制匹配的倾向得分差异不超过0.05，可选但能提升匹配平衡性
• common：只保留倾向得分在共同支持域内的观测，避免极端值干扰

3. 生成匹配标记变量 #

psmatch2会自动生成_match变量——同一个数字代表一组匹配样本，未匹配的观测_match值为.。基于这个生成标记变量：

gen matched = (_match != .)

这样matched=1就是已匹配的观测，matched=0是未匹配的。

4. 用匹配样本做回归 #

直接筛选已匹配的观测执行回归：

reg outcome_var treat age gender disease_stage if matched == 1

如果要用匹配权重做加权回归，用这个命令：

reg outcome_var treat age gender disease_stage [pw=_weight] if matched == 1

备选：马氏匹配（直接基于协变量匹配） #

如果不想用倾向得分，也可以直接基于协变量做马氏匹配：

matchit treat, mahalanobis(age gender disease_stage) neighbor(2)
gen matched = (_match != .)

额外提示 #

匹配后建议用pstest, both检查协变量的平衡性，确保匹配效果符合要求。

内容的提问来源于stack exchange，提问作者Greenhill