回归假象（regression fallacy）是指在测量或匹配过程中，第一次测量时的高分组和低分组的极端分数在第二次测量时倾向于向平均数回归的现象。具体来说，原本得分较高的个体在第二次测量时得分可能会比第一次低，而原本得分较低的个体在第二次测量时得分可能会比第一次高。

这种假象可能会对匹配的效果产生重要影响，因为它可能导致匹配后的样本存在较大差异。例如，在心理学研究中，通过匹配法得到的被试对可能由于回归假象而存在显著不同，从而影响研究结果的准确性。

为了避免回归假象的影响，研究人员可以采取一些措施，如多次测量取平均值、使用更复杂的匹配算法或者增加样本量等。同时，在解释研究结果时，也需要注意识别并纠正可能存在的回归假象。