基本信息

• 商品名稱：傾向值分析--統計方法與應用
• 作者：(美)郭申陽//馬克·W.弗雷澤|譯者:郭志剛//巫錫煒
• 代碼：45
• 出版社：重慶大學
• ISBN號：9787562466222

其他參考信息

• 出版時間：2012-06-01
• 印刷時間：2012-06-01
• 版次：1
• 印次：1
• 開本：16開
• 包裝：平裝
• 頁數：244
• 字數：416千字

編輯推薦語

郭申陽、馬克·W.弗雷澤所著的《傾向值分析——統計方法與應用》是一本介紹當代因果分析方法的書。它繫統介紹了美國關於因果分析的四種前沿統計方法。本書就因果分析方法的起源和發展，傾向值分析的理論框架、流派及核心思想，傾向值方法的應用領域，向讀者做一簡單介紹。

目錄

1 導論
1.1 觀察研究
1.2 歷史和發展
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 為何和何時需要傾向值分析
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 因果關繫、內在效度與威脅
2.2 反事實與Neyman-Rubin反事實框架
2.3 可忽略的干預分配假定
2.4 穩干預值假定
2.5 估計干預效應的方法
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 干預效應的類型
2.8 Heckman的因果關繫計量經濟學模型
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*小二乘回歸
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 數據模擬的啟示
3.6 與應用OLS回歸有關的主要問題
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 一個偶然正態分布的矩
4.1.4 Heckman模型及其兩步估計量
4.2 干預效應模型
4.3 工具變量估計量
4.4 Stata程序概述及treatreg的主要特征
4.5 舉例
4.5.1 干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干預效應的評估
4.5.3 對缺失數據進行多重填補後運行干預效應模型
4.6 結論
5 傾向值匹配及相關模型
5.1 概述
5.2 維度問題以及傾向值的性質
5.3 估計傾向值
5.3.1 二分類logistic回歸
5.3.2 設定預測傾向值正確模型的策略
5.3.3 Hirano和Imbens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 *佳匹配
5.4.3 精細平衡
5.5 匹配後分析
5.5.1 貪婪匹配分析
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 *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*佳成對匹配所得樣本的回歸調整
5.5.6 *佳匹配後使用Hodges-Lehmann有序秩得分進行回歸調整
5.6 傾向值加權
5.7 對干預劑量進行建模
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 *佳匹配
5.9.3 使用Hodges-Lehmann有序秩的匹配後分析
5.9.4 使用差分回歸進行匹配後分析
5.9.5 傾向值加權
5.9.6 對於預劑量的建模
5.9.7 模型比較以及貧困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 使用非參數回歸的傾向值分析
7.1 概述
7.2 使用非參數回歸的傾向值分析方法
7.2.1 基於內核的匹配估計量
7.2.2 對局部線性回歸(lowess)基本概念的回顧
7.2.3 內核和局部線性回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蒙特卡羅研究
8.2.1 蒙特卡羅研究的設計
8.2.2 蒙特卡羅研究的結果
8.2.3 啟示
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 使用傾向值方法對實驗進行近似
9.2.1 對傾向值方法的批評
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 因果關繫建模的其他進展
9.4 未來發展的方向
參考文獻
人名索引
關鍵詞索引
譯後記