我们将样本分为两组：一组是对外直接投资企业，作为处理组；另一组是非对外直接投资企业，作为对照组。同时，我们构造两个二元虚拟变量OFDI和Time，其中OFDI表示企业是否对外直接投资，如果企业对外直接投资，OFDI=1，否则OFDI=0；Time为时间二元虚拟变量，Time=0表示企业对外直接投资前的时期，Time=1表示企业对外直接投资后的时期。
表示企业i在时期t的就业人数，△emi表示企业i在time=0和time=1这两个时期就业人数的变化，其中如果企业对外直接投资，这两个时期就业人数的变动记为
；如果企业从未对外直接投资，这两个时期就业人数的变动记为
。这样企业对外直接投资对企业就业人数的实际影响（λ）可以表示为：
式中E（
）表示对外直接投资企业在不进行对外直接投资情况下就业人数的变化，显然，这一状态是无法观测到的。在此，我们利用最近邻匹配（Nearest Neighbor Matching）为处理组企业找到最相近的对照组。
通过最近邻匹配，我们就得到与处理组企业相配对的对照组企业集合，它们就业人数的变化为
（
），它可以作为对外直接投资企业如果没有对外直接投资就业人数变化的替代，即E（
）=E（
）。这样（1）式就转换为：
如果处理组企业在对外直接投资后就业人数系统性高于对照组企业，那么我们有理由认为企业的对外直接投资增加了就业；否则，企业的对外直接投资减少了就业。对此我们构建双重差分模型：
下标i和t分别表示企业和年份，em表示企业就业人数，为避免异方差等问题，本文取对数衡量；OFDI和Time的含义与前文一致；
为控制变量集合，其中包括劳动生产率（lprod）、资本密集度（kl）、企业规模（size）、企业经营年限（age）、出口密集度（ex）、融资约束（fin）、企业外资股份（foreign）；vj、vk和vy分别表示非观测的行业特征、地区特征和年份固定效应；εit表示随机扰动项。交叉项OFDI·Time的系数λ为企业对外直接投资对国内就业的影响：如果λ>0，说明企业对外直接投资前后处理组企业的就业人数大于对照组，这表明企业对外直接投资促进国内就业；否则，则说明企业对外直接投资减少国内就业。
本文数据来源于中国商务部的中国对外直接投资企业统计数据库和中国工业企业统计数据库，其中为了完善对外直接投资企业的数据，我们将中国对外直接投资企业统计数据库中的境内投资主体名称与中国工业企业数据库中的企业名称匹配。此外，为了使下文的分析结论更加准确和可信，我们对合并数据作了以下筛选和处理：①删除雇员人数小于10的企业样本；②删除出口交货值存在缺漏值或负值的企业样本；③删除重要财务指标（如企业总产值、固定资产、销售额和工业总产值以及从业人员年平均人数）存在缺漏值的企业样本；④删除1949年之前成立的企业样本，同时删除企业年龄小于0的企业样本；⑤删除流动资产超过固定资产、总固定资产超过总资产或是固定资产净值超过总资产的企业。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
