11月16日晚7點，雛鷹師生研讨會在主教106教室如期舉辦。本次研讨會的主題是“傾向值匹配與應用” 由國貿2014級博士生李柔主講。到場嘉賓有段玉婉老師、李兵老師、林發勤老師、梅冬洲老師、秦伊倫老師、孫瑾老師等。

本次活動由周恒宇同學主持。研讨會一開始，主講人就抛出了三個問題，讀北大有助于提高收入嗎？出口有助于提高技術水平嗎？醫院能使人變得更健康嗎？主講人認為：雖然這三個問題都與日常生活息息相關，但解決這些問題不能僅憑借平時的生活經驗，還要找到我們需要的樣本，再用相應的數學模型将模型數據化，然後用函數進行拟合，最後觀察拟合的結果，從而解決問題。在整個問題的解決中，找到與問題所匹配的樣本是解決問題的最為關鍵的步驟。于是引出主講人今天的主講内容——傾向值匹配的原理和應用。

主講人先向我們介紹了什麼叫傾向值匹配方法，即psm匹配，這是由美國賓夕法尼亞大學沃頓商學院著名統計學教授保羅·羅森堡(Paul Rosenbaum)及哈佛大學著名統計學教授唐納德·魯賓(DonaldRubin )創立的。接着，主講人開始運用這種方法解決第一個問題，即“讀北大有助于提高收入嗎？”首先得對變量進行控制，簡而言之，即影響收入的因變量應該隻是是否收到過北大的教育，因此需将學生的個人其他相關品質與能力排除（如自制力，智商，情商等）。由此得出，我們選擇的樣本應為一個北大的畢業生，另一個應是當初本能上北大但最終沒有選擇北大的畢業生。所以，這樣就明确了傾向值匹配的方向。匹配的方法确定了之後，接下來關注的就是如何去匹配。于是接下來，主講人為我們具體介紹了傾向值匹配的三種方法，即臨近匹配，半徑匹配，以及核匹配（kenel），臨近匹配是指找到與研究對象最接近的樣本，半徑匹配是指在所劃定氛圍内尋找樣本，而核匹配是按照關系的遠近對樣本進行加權處理。

之後，主講人向大家展示了自己和李兵老師對互聯網是如何促進出口這一問題的共同研究成果。梅冬洲老師對互聯網作為控制變量的可行性提出疑問并建議引入全國各省互聯網普及程度作為參考，分享了他獨到的看法，博士生嶽雲嵩向大家解釋了工業企業數據與海關數據的選取與計算方法，令大家獲益匪淺。學術争論的良好氛圍感染了在場的每一個人，思維的火花在交流中不斷迸濺。

然後，梅冬洲老師給主講人李柔進行了頒獎。

最後，主持人宣布本次研讨會圓滿結束，現場響起熱烈的掌聲。

通過這次活動，我們了解到了傾向值匹配原理在經濟領域的廣泛應用，對新興統計技術有了更深入的認識，無不殷切期盼下一次充實、熱烈的學術探索！