社會科學因果推斷的理論基礎

《社會科學因果推斷的理論基礎》是2015年社會科學文獻出版社出版的圖書,作者是胡安寧。

基本介紹

  • 作品名稱:社會科學因果推斷的理論基礎
  • 創作年代:2015-07
  • 作者:胡安寧
基本信息
社會科學因果推斷的理論基礎
作者:胡安寧 著
出版時間:2015-07
頁數:240
開本:16
裝幀:平裝
內容簡介
不同變數之間的因果機制是社會科學不同學科共同關注的主題,但是從紛繁複雜的社會現象中抽離、確立一項或者多項因果關係往往帶來方法論上的挑戰。本書從反事實的因果推論框架出發,系統介紹了社會科學因果推論的基本原理。讀者從本書中可以了解到隨機實驗的基本邏輯、傾向值匹配技術的基本過程、多類別變數、中介分析和異質性效果分析中的統計模型、統計檢定力和樣本量估算以及個案研究中的因果分析方法。
作者簡介
胡安寧,復旦大學社會學學士、社會學碩士,美國普度大學統計學碩士、社會學博士,復旦大學社會發展與公共政策學院社會學系系副主任、副教授,復旦大學社會轉型中心副主任,上海市晨光學者。
目錄信息
第1章 社會科學中的因果推論:反事實框架與隨機實驗/1
1.1 因果關係的反事實分析框架/4
1.2 隨機實驗與因果推論/14
1.3 附錄:其他研究情境下因果推論模型舉例/25
第2章 傾向值匹配與因果推論/27
2.1 傾向值匹配:歷史、發展及其對調查研究的意義/28
2.2 傾向值匹配與因果推論/35
2.2.1 科技哲學角度的闡釋/35
2.2.2 統計學角度的闡釋/38
2.3 傾向值匹配與其他社會科學方法的比較/43
2.3.1 傾向值匹配和海克曼選擇模型/43
2.3.2 傾向值匹配和回歸中斷設計/48
2.3.3 傾向值匹配和工具變數/51
2.4 傾向值匹配的局限性/55
2.5 總結與討論/56
2.6 附錄:敏感性分析簡介/58
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/67
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/68
3.2 如何進行匹配?/70
3.2.1 鄰近匹配/71
3.2.2 半徑匹配/72
3.2.3 核心匹配/73
3.2.4 分層匹配/75
3.3 教育的經濟回報:基於CGSS 2005的分析/76
3.3.1 預測傾向值/78
3.3.2 基於傾向值進行匹配/80
3.3.3 模型穩健性評估/82
3.4 傾向值匹配與多元回歸的比較/85
3.5 小結/87
第4章 因果關係中的多類別性、中介性與異質性——對傾向值統計模型的擴展/90
4.1 對多類別處理變數的處理:廣義傾向值得分方法/93
4.1.1 傾向值回歸調整/95
4.1.2 傾向值加權/97
4.1.3 對傾向值回歸調整與傾向值加權方法的評論/98
4.2 因果中介模型:對因果關係中間機制的探索/103
4.2.1 傳統中介分析/104
4.2.2 因果中介模型/109
4.2.3 方法論評價/113
4.3 因果關係的異質性/118
4.3.1 基於傾向值的多層次分析方法/119
4.3.2 方法論評價/123
4.4 結論與討論/127
4.5 附錄1:海克曼邊際處理效應/129
4.6 附錄2:用非參數方法處理效應的變異程度/135
第5章 因果分析中樣本量以及統計檢定力的計算問題/140
5.1 為什麼需要足夠的樣本量?/143
5.2 回歸模型的樣本量估算/145
5.2.1 多元回歸模型/147
5.2.2 邏輯斯蒂回歸模型/151
5.3 樣本量計算示例/154
5.4 結語/163
5.5 附錄:SAS中計算樣本量的代碼/166
第6章 個案研究中的因果推斷/169
6.1 基本思路/172
6.2 控制個案的構建過程/175
6.3 如何判斷隨機性?/177
6.4 結論和討論/180
第7章 結論與討論/186
7.1 再議傾向值統計方法和選擇性誤差/188
7.2 傾向值統計方法和多元回歸/195
7.3 傾向值統計模型和加權/198
參考文獻/201
索 引/217
致 謝/221
圖目錄
圖1-1 處理變數不同安排方式下的因果效果/22
圖2-1 珀爾的因果推論:後門標準/42
圖2-2 回歸中斷設計的基本邏輯/49
圖2-3 工具變數的基本邏輯/52
圖2-4 伊姆本斯敏感性分析原理/63
圖2-5 伊姆本斯敏感性分析舉例/64
圖3-1 敏感性分析的結果/85
圖4-1 傳統中介模型舉例/106
圖4-2 大學教育、收入、單位性質與幸福感之間的中介關係/116
圖4-3 智力水平對不同類型學校學生的學習成績的影響/120
圖4-4 大學高等教育回報的異質性舉例/122
圖4-5 海克曼邊際處理效應舉例/133
圖4-6 非參數因果關係異質性模型/139
圖5-1 多元回歸模型下的樣本量估算/156
圖5-2 基於proc power模組的邏輯斯蒂回歸模型下的樣本量估算/159
圖5-3 基於LRPowerCorr10宏程式的邏輯斯蒂回歸模型下的樣本量估算/162
圖6-1 阿巴迪等人研究的加州禁菸政策的效果/175
圖6-2 阿巴迪等人研究的加州禁菸政策效果的置信區間/179
圖6-3 通過外推研究加州禁菸政策的效果/183
圖6-4 區分教育資助計畫的效果和加州禁菸政策的效果/185
圖7-1 總體、隨機樣本和匹配樣本/191
圖7-2 實驗組與控制組分布的重合程度/193
圖7-3 多個混淆變數下實驗組與控制組分布的重合程度/194
表目錄
表1-1 實際觀測到的處理效果/16
表1-2 一種替代性安排處理變數方案下的處理效果/19
表1-3 隨機分配方案列舉/21
表3-1 本節所使用的例子/72
表3-2 預測傾向值的Probit回歸結果/78
表3-3 傾向值的描述統計信息/80
表3-4 傾向值匹配的結果/81
表3-5 多元回歸模型的結果/86
表5-1 50個學生的科研時間/144

相關詞條

熱門詞條

聯絡我們