傾向值分析

內(nèi)容概要

　　本書系統(tǒng)介紹了四種用于因果的前沿統(tǒng)計方法：
　　1 由2000年諾貝爾經(jīng)濟(jì)學(xué)得主美國芝加哥大學(xué)教授杰姆斯·?？坡↗ames Heckman）創(chuàng)立的“樣本選擇模型”。
　　2 由美國賓夕法尼亞大學(xué)沃頓商學(xué)院著名統(tǒng)計學(xué)教授保羅·羅森堡（Paul
Rosenbaum）及哈佛大學(xué)著名統(tǒng)計學(xué)教授唐納德·魯賓（Donald Rubin）創(chuàng)立的 “傾向值匹配方法”。
　　3 由美國哈佛大學(xué)肯尼迪政府學(xué)院教授埃爾波特·阿貝蒂（Alberto Abadie）及哈佛大學(xué)經(jīng)濟(jì)學(xué)教授圭多·因本斯（Guido
Imbens）創(chuàng)立的“匹配估算法”。
　　4 由美國芝加哥大學(xué)教授杰姆斯·?？坡↗ames Heckman），日本東京大學(xué)經(jīng)濟(jì)學(xué)教授市村英彥（Hidehiko
lchimura），及美國賓夕法尼亞大學(xué)經(jīng)濟(jì)學(xué)教授派徹·托德（Petra Todd）創(chuàng)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于互聯(lián)網(wǎng)，以方便讀者練習(xí)和運(yùn)用。該書闡述了重要的統(tǒng)計學(xué)原理和定理，省略了論證，通俗易懂，側(cè)重應(yīng)用，是社會行為科學(xué)研究者了解當(dāng)代前沿因果分析方法的重要工具書。

書籍目錄

1 導(dǎo)論
1.1 觀察研究
1.2 歷史和發(fā)展
1.3 隨機(jī)化實驗
1.3.1 Fisher的隨機(jī)化實驗
1.3.2 隨機(jī)化實驗的類型和統(tǒng)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(jié)構(gòu)
2 反事實框架與假定
2.1 因果關(guān)系、內(nèi)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(yù)分配假定
2.4 穩(wěn)定的單元干預(yù)值假定
2.5 估計干預(yù)效應(yīng)的方法
2.5.1 四種模型
2.5.2 其他的平衡方法
2.6 統(tǒng)計推斷的基本邏輯
2.7 干預(yù)效應(yīng)的類型
2.8 Heckman的因果關(guān)系計量經(jīng)濟(jì)學(xué)模型
2.9 結(jié)論
3 數(shù)據(jù)平衡的傳統(tǒng)方法
3.1 數(shù)據(jù)平衡為何是必需的？一個探究性的例子
3.2 數(shù)據(jù)平衡的3種方法
3.2.1 常規(guī)最小二乘回歸
3.2.2 匹配
3.2.3 分層
3.3 數(shù)據(jù)模擬的設(shè)計
3.4 數(shù)據(jù)模擬的結(jié)果
3.5 數(shù)據(jù)模擬的啟示
3.6 與應(yīng)用OLS回歸有關(guān)的主要問題
3.7 結(jié)論
4 樣本選擇及相關(guān)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 為什么對樣本選擇建模是重要的
4.1.3 一個偶然截尾二元正態(tài)分布的矩
4.1.4 Heckman模型及其兩步估計量
4.2 干預(yù)效應(yīng)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(yù)效應(yīng)模型在觀察數(shù)據(jù)中的應(yīng)用
4.5.2 對一個包含群組隨機(jī)設(shè)計的項目的干預(yù)效應(yīng)的評估
4.5.3 對缺失數(shù)據(jù)進(jìn)行多重填補(bǔ)后運(yùn)行干預(yù)效應(yīng)模型
4.6 結(jié)論
5 傾向值匹配及相關(guān)模型
5.1 概述
5.2 維度問題以及傾向值的性質(zhì)
5.3 估計傾向值
5.3.1 二分類logistic回歸
5.3.2 設(shè)定預(yù)測傾向值正確模型的策略
5.3.3 Hirano和Imbens基于預(yù)設(shè)的臨界t值來設(shè)定預(yù)測變量的方法
5.3.4 一般化加速建模
5.4 匹配
5.4.1 貧婪匹配
5.4.2 最佳匹配
5.4.3 精細(xì)平衡
5.5 匹配后分析
5.5.1 貪婪匹配后的多元分析
5.5.2 貪婪匹配后的分層
5.5.3 計算協(xié)變量不平衡的指數(shù)
5.5.4 最佳匹配后使用Hodges-Lehmann有序秩檢驗進(jìn)行結(jié)果分析
5.5.5 基于以最佳成對匹配所得樣本的回歸調(diào)整
……
6 匹配估計量
7 使用非參數(shù)回歸的傾向值分析
8 選擇偏差與敏感性分析
9 總結(jié)性評論
參考文獻(xiàn)
人名索引
關(guān)鍵詞索引
譯后記

章節(jié)摘錄

　　和大多數(shù)評估一樣，數(shù)據(jù)集里的很多研究變量都包含缺失值。在進(jìn)行評估分析之前，我們使用多重填補(bǔ)方法對缺失數(shù)據(jù)進(jìn)行填補(bǔ)。使用這一方法，我們?yōu)槊恳粋€結(jié)果變量構(gòu)造了50個填補(bǔ)數(shù)據(jù)文件。根據(jù)我們針對這50個數(shù)據(jù)集的分析結(jié)果，這一填補(bǔ)取得了99%的相對效率。遵照填補(bǔ)缺失數(shù)據(jù)中的慣常做法，我們?yōu)樗邪咐娜笔е颠M(jìn)行填補(bǔ)，但結(jié)果變量上有缺失數(shù)據(jù)的案例被刪除了。這樣一來，最終分析的樣本規(guī)模會隨著結(jié)果變量而變動。　　使用多重填補(bǔ)文件（即本例中50個不同的數(shù)據(jù)文件），我們首先對每一個文件運(yùn)行nnmatch命令然后使用Rubin法則來匯總點(diǎn)估計和標(biāo)準(zhǔn)誤以構(gòu)建一套對每個結(jié)果變量進(jìn)行顯著性檢驗的統(tǒng)計量。請讀者參考本書的附屬網(wǎng)頁，我們在上面提供了有關(guān)的命令語法，這些語法針對每一結(jié)果運(yùn)行nnmatch命令50次和用于使用Rubin法則進(jìn)行匯總?！　榱朔治龀霈F(xiàn)在四年級學(xué)年和五年級學(xué)年中的結(jié)果變化，我們首先使用3種方法分析整個樣本的變化分：①采用回歸調(diào)整的最佳成對匹配；②采用Hodges-Lehmann有序秩檢驗的最佳完全匹配；③匹配估計量。我們在表6.6中提供這些分析結(jié)果。　　由前兩種方法（即最佳成對匹配和最佳完全匹配）得到的結(jié)果沒有什么希望?；诟深A(yù)項目的設(shè)計，我們希望有正向的發(fā)現(xiàn)（即干預(yù)在改變行為結(jié)果方面是有效果的）；但是，從采用回歸調(diào)整的最佳成對匹配中得到的結(jié)果沒有一個是統(tǒng)計顯著的。這一情況在采用Hodges-Lehmann檢驗的最佳完全匹配中略有改善，其中部分結(jié)果表明統(tǒng)計上的趨勢（p

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    傾向值分析 PDF格式下載

---