傾嚮值分析 pdf epub mobi txt 電子書 下載2025

想要找書就要到 小美書屋

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

本書闡述瞭重要的統計學原理和定理， 省略瞭論證， 通俗易懂, 側重應用,是社會行為科學研究者瞭解當代前沿因果分析方法的重要工具書。本書係統介紹瞭四種用於因果分析的前沿統計方法：

（1）由2000年諾貝爾經濟學得主美國芝加哥大學教授傑姆斯• 海科曼（James Heckman）創立的 “樣本選擇模型”；

（2）由美國賓夕法尼亞大學沃頓商學院著名統計學教授保羅• 羅森堡(Paul Rosenbaum)及哈佛大學著名統計學教授唐納德•魯賓(Donald Rubin )創立的“傾嚮值匹配方法”；

（3）由美國哈佛大學肯尼迪政府學院教授埃爾波特• 阿貝蒂(Alberto Abadie )及哈佛大學經濟學教授圭多•因本斯(Guido Imbens )創立的 “匹配估算法”；

（4）由美國芝加哥大學教授傑姆斯•海科曼（James Heckman），日本東京大學經濟學教授市村英彥（Hidehiko Ichimura），及美國賓夕法尼亞大學經濟學教授派徹•托德(Petra Todd ) 創立的 “核心值匹配法”。該書將所有例證的Stata 操作程序和資料公布於互聯網, 以方便讀者練習和運用。

示例數據下載請登錄：http://ssw.unc.edu/psa/

1 導論
1.1 觀察研究
1.2 曆史和發展
1.3 隨機化實驗
1.3.1 Fisher的隨機化實驗
1.3.2 隨機化實驗的類型和統計檢驗
1.3.3 對社會實驗的批評
1.4 為何和何時需要傾嚮值分析
1.5 計算軟件包
1.6 本書的結構
2 反事實框架與假定
2.1 因果關係、內在效度與威脅
2.2 反事實與Neyman-Rubin反事實框架
2.3 可忽略的乾預分配假定
2.4 穩定的單元乾預值假定
2.5 估計乾預效應的方法
2.5.1 四種模型
2.5.2 其他的平衡方法
2.6 統計推斷的基本邏輯
2.7 乾預效應的類型
2.8 Heckman的因果關係計量經濟學模型
2.9 結論
3 數據平衡的傳統方法
3.1 數據平衡為何是必需的一個探究性的例子
3.2 數據平衡的3種方法
3.2.1 常規最小二乘迴歸
3.2.2 匹配
3.2.3 分層
3.3 數據模擬的設計
3.4 數據模擬的結果
3.5 數據模擬的啓示
3.6 與應用OLS迴歸有關的主要問題
3.7 結論
4 樣本選擇及相關模型
4.1 樣本選擇模型
4.1.1 截尾、刪截以及偶然截尾
4.1.2 為什麼對樣本選擇建模是重要的
4.1.3 一個偶然截尾二元正態分布的矩
4.1.4 Heckman模型及其兩步估計量
4.2 乾預效應模型
4.3 工具變量估計量
4.4 Stata程序概述及treatreg的主要特徵
4.5 舉例
4.5.1 乾預效應模型在觀察數據中的應用
4.5.2 對一個包含群組隨機設計的項目的乾預效應的評估
4.5.3 對缺失數據進行多重填補後運行乾預效應模型
4.6 結論
5 傾嚮值匹配及相關模型
5.1 概述
5.2 維度問題以及傾嚮值的性質
5.3 估計傾嚮值
5.3.1 二分類logistic迴歸
5.3.2 設定預測傾嚮值正確模型的策略
5.3.3 Hirano和Imbe基於預設的臨界t值來設定預測變量的方法
5.3.4 一般化加速建模
5.4 匹配
5.4.1 貪婪匹配
5.4.2 最佳匹配
5.4.3 精細平衡
5.5 匹配後分析
5.5.1 貪婪匹配後的多元分析
5.5.2 貪婪匹配後的分層
5.5.3 計算協變量不平衡的指數
5.5.4 最佳匹配後使用Hodges-Lehmann有序秩檢驗進行結果分析
5.5.5 基於以最佳成對匹配所得樣本的迴歸調整
5.5.6 最佳匹配後使用Hodges-Lehmann有序秩得分進行迴歸調整
5.6 傾嚮值加權
5.7 對乾預劑量進行建模
5.8 Stata和R程序概述
5.9 舉例
5.9.1 貪婪匹配以及後續的風險率分析
5.9.2 最佳匹配
5.9.3 使用Hodges-Lehmann有序秩的匹配後分析
5.9.4 使用差分迴歸進行匹配後分析
5.9.5 傾嚮值加權
5.9.6 對於預劑量的建模
5.9.7 模型比較以及貧睏對兒童學業成績影響研究的結論
5.9.8 對RAND-GBM和Stata的BOOST算法對比
5.10 結論
6 匹配估計量
6.1 概述
6.2 匹配估計量的方法
6.2.1 簡單匹配估計量
6.2.2 偏差矯正的匹配估計量
6.2.3 假定方差齊性的方差估算
6.2.4 考慮異方差性的方差估計量
6.2.5 大樣本性質以及矯正
6.3 Stata程序nnmatch概述
6.4 舉例
6.4.1 采用偏差矯正和穩健方差估計的匹配
6.4.2 使用匹配估計量的效力子集分析
6.5 結論
7 使用非參數迴歸的傾嚮值分析
7.1 概述
7.2 使用非參數迴歸的傾嚮值分析方法
7.2.1 基於內核的匹配估計量
7.2.2 對局部綫性迴歸(lowess)基本概念的迴顧
7.2.3 內核和局部綫性迴歸的漸近和有限樣本性質
7.3 Stata程序psmatch2和bootstrap概述
7.4 實例
7.4.1 差中差分析
7.4.2 基於內核的匹配在單時點數據中的應用
7.5 結論
8 選擇偏差與敏感性分析
8.1 選擇偏差：一個概述
8.1.1 選擇偏差的來源
8.1.2 顯在偏差和隱藏偏差
8.1.3 選擇偏差的後果
8.1.4 修正選擇偏差的策略
8.2 一項比較修正模型的濛特卡羅研究
8.2.1 濛特卡羅研究的設計
8.2.2 濛特卡羅研究的結果
8.2.3 啓示
8.3 Rosenbaum的敏感性分析
8.3.1 基本思路
8.3.2 對匹配對研究進行敏感性分析的wilcoxon符號秩檢驗舉例
8.4 Stata程序rbounds概述
8.5 舉例
8.5.1 鉛接觸效應的敏感性分析
8.5.2 以成對匹配進行研究時的敏感性分析
8.6 結論
9 總結性評論
9.1 觀察研究中的常見陷阱：一份批判性考察的清單
9.2 使用傾嚮值方法對實驗進行近似
9.2.1 對傾嚮值方法的批評
9.2.2 對敏感性分析(T)的批評
9.2.3 群組隨機化實驗
9.3 因果關係建模的其他進展
9.4 未來發展的方嚮
參考文獻
人名索引
關鍵詞索引
譯後記
· · · · · · (收起)