作者簡介
胡安寧，男。復旦大學社會發(fā)展與公共政策學院社會學系講師、系副主任。2001～2005年，在復旦大學社會學系學習，獲法學學土學位。2005～2008年，在復旦大學社會學系攻讀碩士研究生，獲法學碩士學位。2008～2012年，在美國普度大學社會學系攻讀博土研究生，獲社會學博士學位；2009～2011年，在普度大學統(tǒng)計學系攻讀碩士研究生，獲統(tǒng)計學碩士學位�，F(xiàn)為復旦大學社會發(fā)展與公共政策學院社會學系講師、系副主任。主要從事文化與宗教社會學、教育社會學、社會科學量化方法研究。
目錄：
第1章 社會科學中的因果推論：反事實框架與隨機實驗
1.1 因果關系的反事實分析框架
1.2 隨機實驗與因果推論
1.3 附錄：其他研究情境下因果推論模型舉例
第2章 傾向值匹配與因果推論
2.1 傾向值匹配:歷史、發(fā)展及其對調查研究的意義
2.2 傾向值匹配與因果推論
2.2.1 科技哲學角度的闡釋
2.2.2 統(tǒng)計學角度的闡釋
2.3 傾向值匹配與其他社會科學方法的比較
2.3.1 傾向值匹配和�？寺x擇模型
2.3.2 傾向值匹配和回歸中斷設計
2.3.3 傾向值匹配和工具變量
2.4 傾向值匹配的局限性
2.5 總結與討論
2.6 附錄：敏感性分析簡介
第3章 如何進行傾向值匹配？——以大陸城市居民的教育回報為例
3.1 傾向值匹配的基本原理回顧：以高等教育的經濟回報為例
3.2 如何進行匹配？
3.2.1 鄰近匹配
3.2.2 半徑匹配
3.2.3 核心匹配
3.2.4 分層匹配
3.3 教育的經濟回報：基于CGSS 2005的分析
3.3.1 預測傾向值
3.3.2 基于傾向值進行匹配
3.3.3 模型穩(wěn)健性評估
3.4 傾向值匹配與多元回歸的比較
3.5 小結
第4章 因果關系中的多類別性、中介性與異質性——對傾向值統(tǒng)計模型的擴展
4.1 對多類別處理變量的處理：廣義傾向值得分方法
4.1.1 傾向值回歸調整
4.1.2 傾向值加權
4.1.3 對傾向值回歸調整與傾向值加權方法的評論
4.2 因果中介模型：對因果關系中間機制的探索
4.2.1 傳統(tǒng)中介分析
4.2.2 因果中介模型
4.2.3 方法論評價
4.3 因果關系的異質性
4.3.1 基于傾向值的多層次分析方法
4.3.2 方法論評價
4.4 結論與討論
4.5 附錄1：�？寺呺H處理效應
4.6 附錄2：用非參數(shù)方法處理效應的變異程度
第5章 因果分析中樣本量以及統(tǒng)計檢定力的計算問題
5.1 為什么需要足夠的樣本量?
5.2 回歸模型的樣本量估算
5.2.1 多元回歸模型
5.2.2 邏輯斯蒂回歸模型
5.3 樣本量計算示例
5.4 結語
5.5 附錄：SAS中計算樣本量的代碼
第6章 個案研究中的因果推斷
6.1 基本思路
6.2 控制個案的構建過程
6.3 如何判斷隨機性？
6.4 結論和討論
第7章 結論與討論
7.1 再議傾向值統(tǒng)計方法和選擇性誤差
7.2 傾向值統(tǒng)計方法和多元回歸
7.3 傾向值統(tǒng)計模型和加權
參考文獻
索 引
致 謝
圖目錄
圖1-1 處理變量不同安排方式下的因果效果
圖2-1 珀爾的因果推論：后門標準
圖2-2 回歸中斷設計的基本邏輯
圖2-3 工具變量的基本邏輯
圖2-4 伊姆本斯敏感性分析原理
圖2-5 伊姆本斯敏感性分析舉例
圖3-1 敏感性分析的結果
圖4-1 傳統(tǒng)中介模型舉例
圖4-2 大學教育、收入、單位性質與幸福感之間的中介關系
圖4-3 智力水平對不同類型學校學生的學習成績的影響
圖4-4 大學高等教育回報的異質性舉例
圖4-5 �？寺呺H處理效應舉例
圖4-6 非參數(shù)因果關系異質性模型
圖5-1 多元回歸模型下的樣本量估算
圖5-2 基于proc power模塊的邏輯斯蒂回歸模型下的樣本量估算
圖5-3 基于LRPowerCorr10宏程序的邏輯斯蒂回歸模型下的樣本量估算
圖6-1 阿巴迪等人研究的加州禁煙政策的效果
圖6-2 阿巴迪等人研究的加州禁煙政策效果的置信區(qū)間
圖6-3 通過外推研究加州禁煙政策的效果
圖6-4 區(qū)分教育資助計劃的效果和加州禁煙政策的效果
圖7-1 總體、隨機樣本和匹配樣本
圖7-2 實驗組與控制組分布的重合程度
圖7-3 多個混淆變量下實驗組與控制組分布的重合程度
表目錄
表1-1 實際觀測到的處理效果
表1-2 一種替代性安排處理變量方案下的處理效果
表1-3 隨機分配方案列舉
表3-1 本節(jié)所使用的例子
表3-2 預測傾向值的Probit回歸結果
表3-3 傾向值的描述統(tǒng)計信息
表3-4 傾向值匹配的結果
表3-5 多元回歸模型的結果
表5-1 50個學生的科研時間
|
