插补法是目前处理无回答的重要方法之一。倾向得分匹配插补法基于反事实思想,构造无回答的反事实匹配组得到无回答的插补值。但该方法依赖于响应值是否为无回答构造匹配模型,且对无回答组与回答组的样本量差异较为敏感。本文提出响应倾向得分匹配插补法。将回答组个体响应值依照从小到大的顺序排列,计算个体的秩,规范化为0至1区间内的数值,再与其他解释变量建立倾向得分模型。利用拟合的倾向得分模型,计算无回答组和回答组的个体倾向秩得分。选择无回答组和回答组的倾向秩得分,将与无回答个体倾向秩得分差异小的回答组个体作为无回答插补值。响应倾向得分匹配插补法不受无回答和观测数据的样本量差异大小影响,保留了倾向得分匹配法的优良性。为了与其他多重插补法比较插补效果,本文对原倾向得分匹配插补法、最近邻插补法、回归插补法和响应倾向得分匹配插补法进行了模拟研究。模拟研究表明,响应倾向得分匹配插补法的插补效果优于原倾向得分匹配插补法、最近邻插补法和回归插补法。在完全随机无回答机制和随机无回答机制下,随着插补重数增加,采用响应倾向得分匹配插补法的偏差绝对值和均方误差呈递增趋势。在实际应用中,建议在无回答率为5%时使用该方法,插补重数取5即可。最后使用2015年全国流动人口卫生计生动态监测调查户籍人口问卷(A卷)中天津市调查数据筛选出的数据进行分析,对无回答数据采用响应倾向得分匹配插补法进行插补,处理结果表明插补效果较好。利用实际实验数据分析与模拟结论一致。响应倾向得分匹配插补法在原倾向得分匹配插补法基础上,有效的改善了模型的拟合效果,提高插补值的可靠性。