幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

因果推斷導論(統計學生物醫學與社會科學的視角)/當代經濟學教學參考書系/當代經濟學系列叢書

  • 作者：(美)吉多·W.因本斯//唐納德·B.魯賓|責編:程倩//姚皓涵|總主編:陳昕|譯者:肖志國//黎德元//秦國友//朱仲義
  • 出版社：格致
  • ISBN：9787543236745
  • 出版日期：2025/07/01
  • 裝幀：平裝
  • 頁數：537
人民幣：RMB 172 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    在社會科學和生物醫學中，大多數問題本質上都是關於因果關係的問題：如果個人或群體的部分環境發生變化，將會發生什麼？在這個開創性的文本中，兩位世界知名的專家提出了研究這類問題的統計方法。本書從潛在結果的概念出發。一個研究對象的潛在結果與其暴露于特定的處理或制度時所實現的結果相對應。在這種方法中，因果效應是對這些潛在結果的比較。因果推斷的基本問題在於，我們只能觀察到一個特定對象的一個潛在結果。本書的作者先討論了隨機實驗如何使因果關係的評估成為可能，接著介紹非實驗的觀察性研究中的因果推斷方法。他們列出了因果推斷所需的假設，並描述了主要的分析方法，包括匹配、傾向得分和工具變數工具。書中包含了許多詳細的應用程序，尤其側重於在實踐層面探討實證研究。
作者介紹
(美)吉多·W.因本斯//唐納德·B.魯賓|責編:程倩//姚皓涵|總主編:陳昕|譯者:肖志國//黎德元//秦國友//朱仲義
目錄
第一部分 緒論
  1 因果性：基本框架
    1.1 引言
    1.2 潛在結果
    1.3 因果效應的定義
    1.4 因果效應的常見用法
    1.5 了解因果效應：多個觀測個體
    1.6 個體處理值穩定假設
    1.7 分配機制簡介
    1.8 屬性、處理前變數或協變數
    1.9 潛在結果與洛德悖論
    1.10 因果被估量
    1.11 本書結構
    1.12 樣本、總體與超總體
    1.13 結論
    註釋
  2 潛在結果方法的因果推斷簡史
    2.1 引言
    2.2 內曼之前的潛在結果和分配機制
    2.3 Neyman（1923）隨機實驗的潛在結果符號
    2.4 關於物理隨機化的早期線索
    2.5 Fisher（1925）將處理方法隨機分配給各個個體的建議
    2.6 觀察性研究中因果效應的觀察結果符號
    2.7 社會科學觀察性研究中潛在結果的早期使用
    2.8 觀察性研究中的潛在結果和分配機制：Rubin（1974）
    註釋
  3 分配機制的分類
    3.1 引言
    3.2 符號
    3.3 分配概率
    3.4 分配機制的限制條件
    3.5 分配機制和超總體
    3.6 隨機實驗
    3.7 觀察性研究：正則分配機制
    3.8 觀察性研究：非正則分配機制
    3.9 結論
    註釋
第二部分 經典隨機實驗
  4 經典隨機實驗的分類方法
    4.1 引言
    4.2 符號
    4.3 伯努利試驗
    4.4 完全隨機實驗
    4.5 分層隨機實驗
    4.6 配對隨機實驗
    4.7 討論
    4.8 結論
    註釋
  5 完全隨機實驗的費希爾精確p值
    5.1 引言

    5.2 Paul等（2007）的蜂蜜實驗數據
    5.3 一個包含六個個體的簡單例子
    5.4 原假設的選擇
    5.5 統計量的選擇
    5.6 一個小型模擬研究
    5.7 基於費希爾p值計算的區間估計
    5.8 p值的計算
    5.9 有協變數時的FEP
    5.10 蜂蜜數據的FEP
    5.11 結論
    註釋
  6 完全隨機實驗的內曼重複抽樣法
    6.1 引言
    6.2 Duflo-Hanna-Ryan（2012）的教師激勵實驗數據
    6.3 平均處理效應的無偏估計
    6.4 內曼估計量的抽樣方差
    6.5 估計抽樣方差
    6.6 置信區間和檢驗
    6.7 對總體平均處理效應的推斷
    6.8 有協變數情形的內曼方法
    6.9 Duflo-Hanna-Ryan（2012）的教師激勵數據的分析結果
    6.10 結論
    註釋
    附錄
  7 完全隨機實驗的回歸方法
    7.1 引言
    7.2 LRC-CPPT膽固醇數據
    7.3 超總體的平均處理效應
    7.4 無協變數線性回歸
    7.5 帶額外協變數的線性回歸
    7.6 帶協變數及交互項的線性回歸
    7.7 結果變數的變換
    7.8 協變數對估計精確性的提高的極限
    7.9 處理效應存在的假設檢驗
    7.10 對LRC-CPPT膽固醇數據的估計
    7.11 結論
    註釋
    附錄
  8 完全隨機實驗的基於模型的推斷
    8.1 引言
    8.2 拉隆德NSW職業培訓數據
    8.3 一個簡單的例子：樸素和複雜的填補方法
    8.4 無協變數時基於貝葉斯模型的填補
    8.5 基於模型的模擬方法
    8.6 潛在結果間的相依性
    8.7 帶有協變數的基於模型的填補
    8.8 超總體平均處理效應
    8.9 頻率學派視角
    8.10 基於模型的NSW項目的效應估計
    8.11 結論

    註釋
    附錄8.A 正態模型的后驗分佈
    附錄8.B 協方差矩陣已知情形下的解析推導
第三部分 正則分配機制：設計
  9 分層隨機實驗
    9.1 引言
    9.2 田納西州星計劃數據
    9.3 分層隨機實驗的結構
    9.4 分層隨機實驗中的FEP
    9.5 內曼重複抽樣視角下的分層隨機實驗分析
    9.6 分層隨機實驗的回歸分析
    9.7 分層隨機實驗的基於模型的分析
    9.8 設計問題：分層與完全隨機實驗
    9.9 結論
    註釋
    附錄9.A 學生水平分析
    附錄9.B 定理9.1與定理9.2的證明
  10 配對隨機實驗
    10.1 引言
    10.2 兒童電視工作坊實驗數據
    10.3 配對隨機實驗
    10.4 配對隨機實驗中的FEP
    10.5 內曼重複抽樣視角下的配對隨機實驗分析
    10.6 配對隨機實驗的回歸分析
    10.7 配對隨機實驗的基於模型的分析
    10.8 結論
    註釋
    附錄 證明
  11 案例研究：勞動力市場項目的實驗評估
    11.1 引言
    11.2 聖迭戈SWIM項目數據
    11.3 費希爾精確p值
    11.4 基於內曼重複抽樣的點估計和大樣本置信區間
    11.5 基於回歸的估計值
    11.6 基於模型的點估計
    11.7 結論
    註釋
第四部分 正則分配機制：分析
  12 無混雜性處理分配
    12.1 引言
    12.2 正則分配機制
    12.3 平衡得分和傾向得分
    12.4 估計和推斷
    12.5 設計階段
    12.6 評估無混雜性
    12.7 結論
    註釋
  13 估計傾向得分
    13.1 引言
    13.2 巴比妥酸鹽暴露數據

    13.3 選擇協變數和交互項
    13.4 為巴比妥酸鹽數據選擇傾向得分模型
    13.5 構建基於傾向得分的分層
    13.6 為巴比妥酸鹽數據選擇分層
    13.7 基於估計的傾向得分評估平衡性
    13.8 評估巴比妥酸鹽數據的協變數平衡性
    13.9 結論
    註釋
    附錄 logistic回歸
  14 評估協變數分佈的重疊性
    14.1 引言
    14.2 評估單變數分佈的平衡性
    14.3 直接評估多元分佈的平衡性
    14.4 使用傾向得分評估多元分佈的平衡性
    14.5 評估調整不同處理組協變數差異的能力
    14.6 評估平衡性：四個例子
    14.7 回歸估計對協變數缺乏重疊性的敏感性
    14.8 結論
    註釋
  15 通過匹配改善協變數分佈的平衡
    15.1 引言
    15.2 Reinisch等（1995）的巴比妥酸鹽類藥物暴露數據
    15.3 通過匹配選擇對照子樣本來改善平衡
    15.4 根據7個個體觀測值進行傾向得分匹配的一個示例
    15.5 匹配方法的理論性質
    15.6 對巴比妥類藥物數據創建匹配樣本
    15.7 結論
    註釋
  16 通過截尾來改善協變數分佈的均衡性
    16.1 引言
    16.2 右心導管術數據
    16.3 一個帶有單個二元協變數的示例
    16.4 基於傾向得分的子樣本選擇
    16.5 右心導管術數據的最優子樣本
    16.6 結論
    註釋
第五部分 正則分配機制：補充分析
  17 傾向得分分層
    17.1 引言
    17.2 Imbens-Rubin-Sacerdote（2001）的彩票數據
    17.3 傾向得分分層和偏差減少
    17.4 分層和彩票數據
    17.5 可進一步減少偏差的分層估計
    17.6 內曼推斷
    17.7 彩票數據的平均處理效應
    17.8 加權估計量和分層
    17.9 結論
    註釋
  18 匹配估計量
    18.1 引言

    18.2 Card和Krueger（1994）的新澤西州和賓夕法尼亞州最低工資數據
    18.3 無放回精確匹配
    18.4 無放回非精確匹配
    18.5 距離度量
    18.6 匹配和Card-Krueger（1994）的數據
    18.7 匹配估計量的偏差
    18.8 偏差校正匹配估計量
    18.9 有放回匹配
    18.10 匹配的個數
    18.11 對照個體和全樣本的平均處理效應的匹配估計
    18.12 最低工資增長的效應的匹配估計
    18.13 結論
    註釋
  19 平均因果效應標準估計量的抽樣方差的一般化估計方法
    19.1 引言
    19.2 IRS彩票數據
    19.3 被估量
    19.4 平均處理效應的標準估計量的共同結構
    19.5 條件抽樣方差的一般公式
    19.6 個體水平條件抽樣方差的簡單估計量
    19.7 給定協變數條件下τ的抽樣方差的估計量
    19.8 處理組平均效應的抽樣方差的估計量
    19.9 總體平均處理效應的抽樣方差的估計量
    19.10 抽樣方差的備選估計量
    19.11 結論
    註釋
  20 一般因果被估量的推斷
    20.1 引言
    20.2 拉隆德的NSW觀察性職業培訓數據
    20.3 因果被估量
    20.4 潛在結果條件分佈模型
    20.5 實現
    20.6 拉隆德數據的結果
    20.7 結論
    註釋
  21 評估無混雜性
    21.1 引言
    21.2 設置
    21.3 利用偽結果估計效應
    21.4 估計偽處理效應
    21.5 對處理前變數集的穩健性
    21.6 IRS彩票數據
    21.7 結論
    註釋
  22 敏感性分析和邊界
    22.1 引言
    22.2 IRS彩票數據
    22.3 邊界
    22.4 二元結果：羅森鮑姆-魯賓敏感性分析
    22.5 二元結果：對p值的羅森鮑姆敏感性分析

    22.6 結論
    註釋
第六部分 存在不依從性的正則分配機制：分析
  23 單向不依從隨機實驗的工具變數分析
    23.1 引言
    23.2 Sommer-Zeger（1991）的維生素A補充品數據
    23.3 設定
    23.4 意向處理效應
    23.5 依從狀態
    23.6 工具變數
    23.7 基於矩的工具變數估計量
    23.8 線性模型和工具變數
    23.9 簡單分析：「當作處理」「按方案」及無混雜性
    23.10 結論
    註釋
    附錄
  24 雙向不依從隨機實驗的工具變數分析
    24.1 引言
    24.2 Angrist（1990）抽籤徵兵數據
    24.3 依從狀態
    24.4 意向處理效應
    24.5 工具變數
    24.6 工具變數的傳統統計量經濟學方法
    24.7 結論
    註釋
  25 工具變數分析中的模型方法：帶有雙向不依從性的隨機實驗
    25.1 引言
    25.2 Mcdonald-Hiu-Tierney（1992）的流感疫苗接種數據
    25.3 含協變數的情形
    25.4 雙向不依從隨機實驗中基於模型的工具變數分析
    25.5 從給定數據下被估量的后驗分佈中抽樣的模擬方法
    25.6 對於流感疫苗接種數據進行建模分析
    25.7 流感疫苗接種數據的分析結果
    25.8 結論
    註釋
第七部分 結論
  26 總結與推廣
    註釋
參考文獻
術語表

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032