匹配方法的思路十分简单，它的基本原理就是找到可观测变量相同的情况下接受处置的个体和未被接受处置的个体，通过对比他们之间的差异从而计算处置效应。描述起来十分通俗易懂，但是实际操作的时候，它会有一些方法，接下来我们来看看这一章的内容。匹配方法的理解如果处置组和控制组的个体是随机分配的，那么它的估计应该是不存在差异的。换言之就是处置状态不受到可观测变量和不可观测变量的混淆影响。这里我们简单举例一个场景，

讲线性回归之前，我们先来接受因果推断的一些名词，充充场面。记得咱们上节讲的教育程度（EDU）对收入（INC）的因果影响吗？这里我们将EDU和INC称为可观测变量,EDU也称为处置变量，智商（IQ）是另一个可观测变量。由于EDU和IQ都会影响收入INC，它们同时被称为解释变量，INC称为被解释变量。要单独估计EDU和INC的因果影响要控制IQ对INC的影响。我们经常把无法观测的变量称为干扰项e，所以

这个系列我们来介绍一下因果推断，这个时候第一反应应该是因果推断是什么呢？解决什么问题的呢？咱们举几个例子来说明下，例如你会不会经常有这样的疑问？读博士能增加收入吗？如果能增加增加多少呢？其实这其中就包含了因果推断的内容，表面你是抛出了一个疑问，其实你是想了解读博士和收入增加有没有因果关系，“别人家的孩子”的成就中，读取博士到底与他们的生活有多大关系。是不是因为读取了博士才能收入高高。废话了这么多，