社会科学因果推断的理论基础

第1章　社会科学中的因果推论：反事实框架与随机实验
　1.1　因果关系的反事实分析框架
　1.2　随机实验与因果推论
　1.3　附录：其他研究情境下因果推论模型举例
第2章　倾向值匹配与因果推论
　2.1　倾向值匹配:历史、发展及其对调查研究的意义
　2.2　倾向值匹配与因果推论
　　2.2.1　科技哲学角度的阐释
　　2.2.2　统计学角度的阐释
　2.3　倾向值匹配与其他社会科学方法的比较
　　2.3.1　倾向值匹配和海克曼选择模型
　　2.3.2　倾向值匹配和回归中断设计
　　2.3.3　倾向值匹配和工具变量
　2.4　倾向值匹配的局限性
　2.5　总结与讨论
　2.6　附录：敏感性分析简介
第3章　如何进行倾向值匹配？——以大陆城市居民的教育回报为例
　3.1　倾向值匹配的基本原理回顾：以高等教育的经济回报为例
　3.2　如何进行匹配？
　　3.2.1　邻近匹配
　　3.2.2　半径匹配
　　3.2.3　核心匹配
　　3.2.4　分层匹配
　3.3　教育的经济回报：基于CGSS 2005的分析
　　3.3.1　预测倾向值
　　3.3.2　基于倾向值进行匹配
　　3.3.3　模型稳健性评估
　3.4　倾向值匹配与多元回归的比较
　3.5　小结
第4章　因果关系中的多类别性、中介性与异质性——对倾向值统计模型的扩展
　4.1　对多类别处理变量的处理：广义倾向值得分方法
　　4.1.1　倾向值回归调整
　　4.1.2　倾向值加权
　　4.1.3　对倾向值回归调整与倾向值加权方法的评论
　4.2　因果中介模型：对因果关系中间机制的探索
　　4.2.1　传统中介分析
　　4.2.2　因果中介模型
　　4.2.3　方法论评价
　4.3　因果关系的异质性
　　4.3.1　基于倾向值的多层次分析方法
　　4.3.2　方法论评价
　4.4　结论与讨论
　4.5　附录1：海克曼边际处理效应
　4.6　附录2：用非参数方法处理效应的变异程度
第5章　因果分析中样本量以及统计检定力的计算问题
　5.1　为什么需要足够的样本量?
　5.2　回归模型的样本量估算
　　5.2.1　多元回归模型
　　5.2.2　逻辑斯蒂回归模型
　5.3　样本量计算示例
　5.4　结语
　5.5　附录：SAS中计算样本量的代码
第6章　个案研究中的因果推断
　6.1　基本思路
　6.2　控制个案的构建过程
　6.3　如何判断随机性？
　6.4　结论和讨论
第7章　结论与讨论
　7.1　再议倾向值统计方法和选择性误差
　7.2　倾向值统计方法和多元回归
　7.3　倾向值统计模型和加权
参考文献
索　引
致　谢

图目录
图1-1　处理变量不同安排方式下的因果效果
图2-1　珀尔的因果推论：后门标准
图2-2　回归中断设计的基本逻辑
图2-3　工具变量的基本逻辑
图2-4　伊姆本斯敏感性分析原理
图2-5　伊姆本斯敏感性分析举例
图3-1　敏感性分析的结果
图4-1　传统中介模型举例
图4-2　大学教育、收入、单位性质与幸福感之间的中介关系
图4-3　智力水平对不同类型学校学生的学习成绩的影响
图4-4　大学高等教育回报的异质性举例
图4-5　海克曼边际处理效应举例
图4-6　非参数因果关系异质性模型
图5-1　多元回归模型下的样本量估算
图5-2　基于proc power模块的逻辑斯蒂回归模型下的样本量估算
图5-3　基于LRPowerCorr10宏程序的逻辑斯蒂回归模型下的样本量估算
图6-1　阿巴迪等人研究的加州禁烟政策的效果
图6-2　阿巴迪等人研究的加州禁烟政策效果的置信区间
图6-3　通过外推研究加州禁烟政策的效果
图6-4　区分教育资助计划的效果和加州禁烟政策的效果
图7-1　总体、随机样本和匹配样本
图7-2　实验组与控制组分布的重合程度
图7-3　多个混淆变量下实验组与控制组分布的重合程度

表目录
表1-1　实际观测到的处理效果
表1-2　一种替代性安排处理变量方案下的处理效果
表1-3　随机分配方案列举
表3-1　本节所使用的例子
表3-2　预测倾向值的Probit回归结果
表3-3　倾向值的描述统计信息
表3-4　倾向值匹配的结果
表3-5　多元回归模型的结果
表5-1　50个学生的科研时间