匹配已经成为估计平均治疗效果的一种流行方法。它建立在条件独立或无混淆假设的基础上。在应用评估文献中，检查估计结果与这一识别假设偏差的敏感性已成为一个越来越重要的主题。如果有未观察到的变量同时影响到治疗分配和结果变量，则可能会产生隐藏的偏差，匹配估计量不是稳健的。我们用Rosenbaum(2002)提出的边界方法来解决这个问题，其中mhbounds允许研究人员确定一个未测量变量必须对选择过程产生多大的影响，以破坏匹配分析的含义。