2.1　倾向值匹配:历史、发展及其对调查研究的意义/28

2.2　倾向值匹配与因果推论/35

2.2.1　科技哲学角度的阐释/35

2.2.2　统计学角度的阐释/38

2.3　倾向值匹配与其他社会科学方法的比较/43

2.3.1　倾向值匹配和海克曼选择模型/43

2.3.2　倾向值匹配和回归中断设计/48

2.3.3　倾向值匹配和工具变量/51

2.4　倾向值匹配的局限性/55

2.5　总结与讨论/56

2.6　附录：敏感性分析简介/58

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/67

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/68

3.2　如何进行匹配？/70

3.2.1　邻近匹配/71

3.2.2　半径匹配/72

3.2.3　核心匹配/73

3.2.4　分层匹配/75

3.3　教育的经济回报：基于CGSS 2005的分析/76

3.3.1　预测倾向值/78

3.3.2　基于倾向值进行匹配/80

3.3.3　模型稳健性评估/82

3.4　倾向值匹配与多元回归的比较/85

3.5　小结/87

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/90

4.1　对多类别处理变量的处理：广义倾向值得分方法/93

4.1.1　倾向值回归调整/95

4.1.2　倾向值加权/97

4.1.3　对倾向值回归调整与倾向值加权方法的评论/98

4.2　因果中介模型：对因果关系中间机制的探索/103

4.2.1　传统中介分析/104

4.2.2　因果中介模型/109

4.2.3　方法论评价/113

4.3　因果关系的异质性/118

4.3.1　基于倾向值的多层次分析方法/119

4.3.2　方法论评价/123

4.4　结论与讨论/127

4.5　附录1：海克曼边际处理效应/129

4.6　附录2：用非参数方法处理效应的变异程度/135

第5章　因果分析中样本量以及统计检定力的计算问题/140

5.1　为什么需要足够的样本量?/143

5.2　回归模型的样本量估算/145

5.2.1　多元回归模型/147

5.2.2　逻辑斯蒂回归模型/151

5.3　样本量计算示例/154

5.4　结语/163

5.5　附录：SAS中计算样本量的代码/166

第6章　个案研究中的因果推断/169

6.1　基本思路/172

6.2　控制个案的构建过程/175

6.3　如何判断随机性？/177

6.4　结论和讨论/180

第7章　结论与讨论/186

7.1　再议倾向值统计方法和选择性误差/188

7.2　倾向值统计方法和多元回归/195

7.3　倾向值统计模型和加权/198

参考文献/201

索　引/217

致　谢/221

图目录

图1-1　处理变量不同安排方式下的因果效果/22

图2-1　珀尔的因果推论：后门标准/42

图2-2　回归中断设计的基本逻辑/49

图2-3　工具变量的基本逻辑/52

图2-4　伊姆本斯敏感性分析原理/63

图2-5　伊姆本斯敏感性分析举例/64

图3-1　敏感性分析的结果/85

图4-1　传统中介模型举例/106

图4-2　大学教育、收入、单位性质与幸福感之间的中介关系/116

图4-3　智力水平对不同类型学校学生的学习成绩的影响/120

图4-4　大学高等教育回报的异质性举例/122

图4-5　海克曼边际处理效应举例/133

图4-6　非参数因果关系异质性模型/139

图5-1　多元回归模型下的样本量估算/156

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/159

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/162

图6-1　阿巴迪等人研究的加州禁烟政策的效果/175

图6-2　阿巴迪等人研究的加州禁烟政策效果的置信区间/179

图6-3　通过外推研究加州禁烟政策的效果/183

图6-4　区分教育资助计划的效果和加州禁烟政策的效果/185

图7-1　总体、随机样本和匹配样本/191

图7-2　实验组与控制组分布的重合程度/193

图7-3　多个混淆变量下实验组与控制组分布的重合程度/194

表目录

表1-1　实际观测到的处理效果/16

表1-2　一种替代性安排处理变量方案下的处理效果/19

表1-3　随机分配方案列举/21

表3-1　本节所使用的例子/72

表3-2　预测倾向值的Probit回归结果/78

表3-3　倾向值的描述统计信息/80

表3-4　倾向值匹配的结果/81

表3-5　多元回归模型的结果/86

表5-1　50个学生的科研时间/144