内容简介
本书系统介绍了四种用于因果的前沿统计方法：　　1 由2000年诺贝尔经济学得主美国芝加哥大学教授杰姆斯·海科曼（James Heckman）创立的“样本选择模型”。　　2 由美国宾夕法尼亚大学沃顿商学院著名统计学教授保罗·罗森堡（PaulRosenbaum）及哈佛大学著名统计学教授唐纳德·鲁宾（Donald Rubin）创立的 “倾向值匹配方法”。　　3 由美国哈佛大学肯尼迪政府学院教授埃尔波特·阿贝蒂（Alberto Abadie）及哈佛大学经济学教授圭多·因本斯（GuidoImbens）创立的“匹配估算法”。　　4 由美国芝加哥大学教授杰姆斯·海科曼（James Heckman），日本东京大学经济学教授市村英彦（Hidehikolchimura），及美国宾夕法尼亚大学经济学教授派彻·托德（Petra Todd）创立的“核心值匹配法”。

本书系统介绍了四种用于因果的前沿统计方法：
　　1 由2000年诺贝尔经济学得主美国芝加哥大学教授杰姆斯·海科曼（James Heckman）创立的“样本选择模型”。
　　2 由美国宾夕法尼亚大学沃顿商学院著名统计学教授保罗·罗森堡（PaulRosenbaum）及哈佛大学著名统计学教授唐纳德·鲁宾（Donald Rubin）创立的 “倾向值匹配方法”。
　　3 由美国哈佛大学肯尼迪政府学院教授埃尔波特·阿贝蒂（Alberto Abadie）及哈佛大学经济学教授圭多·因本斯（GuidoImbens）创立的“匹配估算法”。
　　4 由美国芝加哥大学教授杰姆斯·海科曼（James Heckman），日本东京大学经济学教授市村英彦（Hidehikolchimura），及美国宾夕法尼亚大学经济学教授派彻·托德（Petra Todd）创立的“核心值匹配法”。
　　该书将所有例证的Stata操作程序和资料公布于互联网，以方便读者练习和运用。该书阐述了重要的统计学原理和定理，省略了论证，通俗易懂，侧重应用，是社会行为科学研究者了解当代前沿因果分析方法的重要工具书。

显示全部信息
目录
1 导论1.1 观察研究1.2 历史和发展1.3 随机化实验1.3.1 Fisher的随机化实验1.3.2 随机化实验的类型和统计检验1.3.3 对社会实验的批评1.4 为何和何时需要倾向值分析1.5 计算软件包1.6 本书的结构2.1 因果关系、内在效度与威胁2.2 反事实与Neyman-Rubin反事实框架2.3 可忽略的干预分配假定2.4 稳定的单元干预值假定
内容简介
本书系统介绍了四种用于因果的前沿统计方法：　　1 由2000年诺贝尔经济学得主美国芝加哥大学教授杰姆斯·海科曼（James Heckman）创立的“样本选择模型”。　　2 由美国宾夕法尼亚大学沃顿商学院著名统计学教授保罗·罗森堡（PaulRosenbaum）及哈佛大学著名统计学教授唐纳德·鲁宾（Donald Rubin）创立的 “倾向值匹配方法”。　　3 由美国哈佛大学肯尼迪政府学院教授埃尔波特·阿贝蒂（Alberto Abadie）及哈佛大学经济学教授圭多·因本斯（GuidoImbens）创立的“匹配估算法”。　　4 由美国芝加哥大学教授杰姆斯·海科曼（James Heckman），日本东京大学经济学教授市村英彦（Hidehikolchimura），及美国宾夕法尼亚大学经济学教授派彻·托德（Petra Todd）创立的“核心值匹配法”。

本书系统介绍了四种用于因果的前沿统计方法：
　　1 由2000年诺贝尔经济学得主美国芝加哥大学教授杰姆斯·海科曼（James Heckman）创立的“样本选择模型”。
　　2 由美国宾夕法尼亚大学沃顿商学院著名统计学教授保罗·罗森堡（PaulRosenbaum）及哈佛大学著名统计学教授唐纳德·鲁宾（Donald Rubin）创立的 “倾向值匹配方法”。
　　3 由美国哈佛大学肯尼迪政府学院教授埃尔波特·阿贝蒂（Alberto Abadie）及哈佛大学经济学教授圭多·因本斯（GuidoImbens）创立的“匹配估算法”。
　　4 由美国芝加哥大学教授杰姆斯·海科曼（James Heckman），日本东京大学经济学教授市村英彦（Hidehikolchimura），及美国宾夕法尼亚大学经济学教授派彻·托德（Petra Todd）创立的“核心值匹配法”。
　　该书将所有例证的Stata操作程序和资料公布于互联网，以方便读者练习和运用。该书阐述了重要的统计学原理和定理，省略了论证，通俗易懂，侧重应用，是社会行为科学研究者了解当代前沿因果分析方法的重要工具书。

显示全部信息
目录
1 导论1.1 观察研究1.2 历史和发展1.3 随机化实验1.3.1 Fisher的随机化实验1.3.2 随机化实验的类型和统计检验1.3.3 对社会实验的批评1.4 为何和何时需要倾向值分析1.5 计算软件包1.6 本书的结构2.1 因果关系、内在效度与威胁2.2 反事实与Neyman-Rubin反事实框架2.3 可忽略的干预分配假定2.4 稳定的单元干预值假定