评估培训是否有效，常见做法是给每位参训者找一位年龄、履历相近的未参训者，再比较结果。问题在于，固定只找一个或几个“近邻”，往往会让不少可用的对照样本闲置；直接多找几个，又可能把差异太大的人拉进来，增加偏差。
Lam Lam Hui 与 Kin Wai Chan 提出的 rematching（再匹配）换了一个方向：先照常为处理组寻找固定数量的近邻，再让第一轮没被选中的对照对象，反过来寻找离自己最近的处理对象。这样，每位处理对象最终对应的样本数可以不同，原本丢掉的数据也得到利用。论文建议小样本中先把首轮匹配数设为 1，避免为了追求精度而不断纳入质量较差的匹配。
作者证明，在相同首轮匹配数下，新估计量渐近有效，且统计效率——重复抽样时结果波动的大小——一致优于简单匹配；模拟实验也显示，经过偏差校正后，它能明显降低方差，并在结果模型设错时保持较低偏差。不过摘要与所给原文片段未披露具体改善幅度。