11月16日晚7点，雏鹰师生研讨会在主教106教室如期举办。本次研讨会的主题是“倾向值匹配与应用” 由国贸2014级博士生李柔主讲。到场嘉宾有段玉婉老师、李兵老师、林发勤老师、梅冬洲老师、秦伊伦老师、孙瑾老师等。

本次活动由周恒宇同学主持。研讨会一开始，主讲人就抛出了三个问题，读北大有助于提高收入吗？出口有助于提高技术水平吗？医院能使人变得更健康吗？主讲人认为：虽然这三个问题都与日常生活息息相关，但解决这些问题不能仅凭借平时的生活经验，还要找到我们需要的样本，再用相应的数学模型将模型数据化，然后用函数进行拟合，最后观察拟合的结果，从而解决问题。在整个问题的解决中，找到与问题所匹配的样本是解决问题的最为关键的步骤。于是引出主讲人今天的主讲内容——倾向值匹配的原理和应用。

主讲人先向我们介绍了什么叫倾向值匹配方法，即psm匹配，这是由美国宾夕法尼亚大学沃顿商学院著名统计学教授保罗·罗森堡(Paul Rosenbaum)及哈佛大学著名统计学教授唐纳德·鲁宾(DonaldRubin )创立的。接着，主讲人开始运用这种方法解决第一个问题，即“读北大有助于提高收入吗？”首先得对变量进行控制，简而言之，即影响收入的因变量应该只是是否收到过北大的教育，因此需将学生的个人其他相关品质与能力排除（如自制力，智商，情商等）。由此得出，我们选择的样本应为一个北大的毕业生，另一个应是当初本能上北大但最终没有选择北大的毕业生。所以，这样就明确了倾向值匹配的方向。匹配的方法确定了之后，接下来关注的就是如何去匹配。于是接下来，主讲人为我们具体介绍了倾向值匹配的三种方法，即临近匹配，半径匹配，以及核匹配（kenel），临近匹配是指找到与研究对象最接近的样本，半径匹配是指在所划定氛围内寻找样本，而核匹配是按照关系的远近对样本进行加权处理。

之后，主讲人向大家展示了自己和李兵老师对互联网是如何促进出口这一问题的共同研究成果。梅冬洲老师对互联网作为控制变量的可行性提出疑问并建议引入全国各省互联网普及程度作为参考，分享了他独到的看法，博士生岳云嵩向大家解释了工业企业数据与海关数据的选取与计算方法，令大家获益匪浅。学术争论的良好氛围感染了在场的每一个人，思维的火花在交流中不断迸溅。

然后，梅冬洲老师给主讲人李柔进行了颁奖。

最后，主持人宣布本次研讨会圆满结束，现场响起热烈的掌声。

通过这次活动，我们了解到了倾向值匹配原理在经济领域的广泛应用，对新兴统计技术有了更深入的认识，无不殷切期盼下一次充实、热烈的学术探索！