倾向值分析:统计方法与应用:statistical methods and applications

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 反事实框架与假定
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
2．5 估计干预效应的方法
2．5．1 四种模型
2．5．2 其他的平衡方法
2．6 统计推断的基本逻辑
2．7 干预效应的类型
2．8 Heckman的因果关系计量经济学模型
2．9 结论

3 数据平衡的传统方法
3．1 数据平衡为何是必需的？一个探究性的例子
3．2 数据平衡的3种方法
3．2．1 常规*小二乘回归
3．2．2 匹配
3．2．3 分层
3．3 数据模拟的设计
3．4 数据模拟的结果
3．5 数据模拟的启示
3．6 与应用OLS回归有关的主要问题
3．7 结论

4 样本选择及相关模型
4．1 样本选择模型
4．1．1 截尾、删截以及偶然截尾
4．1．2 为什么对样本选择建模是重要的
4．1．3 一个偶然截尾二元正态分布的矩
4．1．4 Heckman模型及其两步估计量
4．2 干预效应模型
4．3 工具变量估计量
4．4 Stata程序概述及treatreg的主要特征
4．5 举例
4．5．1 干预效应模型在观察数据中的应用
4．5．2 对一个包含群组随机设计的项目的干预效应的评估
4．5．3 对缺失数据进行多重填补后运行干预效应模型
4．6 结论
……

5 倾向值匹配及相关模型
6 匹配估计量
7 使用非参数回归的倾向值分析
8 选择偏差与敏感性分析
9 总结性评论

参考文献
人名索引
关键词索引
译后记