倾向评分匹配是一种评估因果效应的伪实验方法。它使用统计技术将每个处理单元与一个或多个具有相似特征的对照单元相匹配来构建人工对照组，通过对比处理组和人工对照组得到因果效应的估计。每个处理单元匹配的对照单元数量在倾向得分匹配方法中具有至关重要的作用。不过截至目前，最优匹配数量问题尚未得到妥善解决。为此，我们提出了一种无需调节参数的倾向性评分匹配方法，该方法基于单调性约束下的倾向性评分的非参数最大似然估计实现因果推断估计。相应的倾向得分估计是分段常值的，因此可以实现对数据自动分组。因此，与经典的核估计、局部多项式估计和样条估计方法不同，我们的方法不需要调节参数。当协变量是标量，或者结果变量和倾向得分依赖于协变量的相同的线性组合时，我们的估计是半参数最优的，即在所有半参数估计中它具有最小的渐近方差。刘玉坤教授团队相关研究成果发表在计量经济顶级期刊《Journal of Econometrics》
