Rebar：利用高维协变量预测强化匹配估计量

在因果匹配设计中，常常有些对照对象未被匹配，有些协变量未被建模。本文介绍“rebar”方法，该方法利用高维建模将这些通常被丢弃的数据纳入分析，同时不损害匹配设计的完整性。在构建匹配后，研究者使用未匹配的对照对象（即 remnant）来拟合一个机器学习模型，以完整协变量矩阵为函数预测对照潜在结果。匹配集中得到的预测用于调整因果估计，以减少混杂偏倚。我们给出理论结果以证明该方法减少偏倚的特性，并通过模拟研究加以验证。此外，我们在亚利桑那州一项学校层面的综合教育改革项目评估中展示了该方法的应用。