新書推薦:
《
成为作家:提升创造力、自律性、谦逊和毅力的专业指南(写作不是天赋,作家可以培养,人人都可以实现自己的作家梦)
》
售價:HK$
64.9
《
中国中世西北民族关系研究
》
售價:HK$
129.8
《
具身智能数据工程:标准、技术与实践指南
》
售價:HK$
109.8
《
人的觉醒:周代思想的启蒙景观
》
售價:HK$
176.0
《
政府论(上、下篇)(中外哲学典籍大全版)
》
售價:HK$
107.8
《
性格解码:解锁你的职业天赋(第6版)
》
售價:HK$
96.8
《
走出情绪风暴,做从容引领的父母
》
售價:HK$
65.8
《
仰望星空:观测火星
》
售價:HK$
68.2
編輯推薦:
在包括统计学、社会科学和生物医学在内的许多研究领域中,令人关注的往往是因果关系,而非相关关系。因此,如何进行因果推断,是从事实证研究的核心问题之一。本书以著名的鲁宾因果模型(Rubin Causal Model,也称潜在结果模型)为基础,介绍了应用这种模型进行因果推断的理论基础与实践方法。本书所论述的因果推断基础模型——鲁宾因果模型,正是本书的作者之一在1974年发表的论文中首次提出的。对于有意深入学习因果推断的读者而言,本书将是一本不可多得的理想实用指南。本书的两位作者吉多?W.因本斯和唐纳德?B.鲁宾均为国际知名的学者。
內容簡介:
在社会科学和生物医学中,大多数问题本质上都是关于因果关系的问题:如果个人或群体的部分环境发生变化,将会发生什么?在这个开创性的文本中,两位世界知名的专家提出了研究这类问题的统计方法。
來源:香港大書城megBookStore,http://www.megbook.com.hk 本书从潜在结果的概念出发。一个研究对象的潜在结果与其暴露于特定的处理或制度时所实现的结果相对应。在这种方法中,因果效应是对这些潜在结果的比较。因果推断的基本问题在于,我们只能观察到一个特定对象的一个潜在结果。本书的作者先讨论了随机实验如何使因果关系的评估成为可能,接着介绍非实验的观察性研究中的因果推断方法。他们列出了因果推断所需的假设,并描述了主要的分析方法,包括匹配、倾向得分和工具变量工具。书中包含了许多详细的应用程序,尤其侧重于在实践层面探讨实证研究。
關於作者:
吉多?W.因本斯
Guido W. Imbens
2021年诺贝尔经济学奖得主。斯坦福大学商学院经济学教授,世界计量经济学会和美国人文与科学院的院士。曾在加州大学洛杉矶分校、加州大学伯克利分校和哈佛大学任教。拥有瑞士圣加仑大学的荣誉博士学位。在计量经济学和统计学领域开展了广泛的研究,专攻因果推断,并在经济学和统计学核心期刊上发表了大量文章。
唐纳德?B.鲁宾
Donald B. Rubin
当今世界范围内影响最为深远的统计学家之一。先后任教和就职于芝加哥大学、哈佛大学和美国国家经济研究局,曾担任哈佛大学统计学系主任,以及美国国家科学院院士、美国人文与科学院院士。获得过统计学领域几乎所有著名奖项,被誉为当今世界的统计学泰斗。
目錄 :
第一部分 绪论
1 因果性:基本框架
2 潜在结果方法的因果推断简史
3 分配机制的分类
第二部分 经典随机实验
4 经典随机实验的分类方法
5 完全随机实验的费希尔精确 p 值
6 完全随机实验的内曼重复抽样法
7 完全随机实验的回归方法
8 完全随机实验的基于模型的推断
9 分层随机实验
10 配对随机实验
11 案例研究:劳动力市场项目的实验评估
第三部分 正则分配机制:设计
12 无混杂性处理分配
13 估计倾向得分
14 评估协变量分布的重叠性
15 通过匹配改善协变量分布的平衡
16 通过截尾来改善协变量分布的均衡性
第四部分 正则分配机制:分析
17 倾向得分分层
18 匹配估计量
19 平均因果效应标准估计量的抽样方差的一般化估计方法
20 一般因果被估量的推断
第五部分 正则分配机制:补充分析
21 评估无混杂性
22 敏感性分析和边界
第六部分 存在不依从性的正则分配机制:分析
23 单向不依从随机实验的工具变量分析
24 双向不依从随机实验的工具变量分析
25 工具变量分析中的模型方法:带有双向不依从性的随机实验
第七部分 结论
26 总结与推广
內容試閱 :
在许多统计应用中,令人感兴趣的问题很大程度上与因果关系有关,而不仅仅是描述或关联的问题。例如,医学研究人员可能希望了解一种新药对某种疾病的疗效。经济学家可能对揭示职业培训计划对个人就业前景的影响,以及新税或法规对经济活动的影响感兴趣。社会学家可能关注离婚对子女后续教育的影响。在本书中,我们讨论研究这些问题的统计方法。
这本书起源于我们在 1992 年于哈佛大学任教期间的一次对话。我们发现,虽然我们都对因果关系的问题感兴趣,但由于来自不同学科,习惯于不同的术语和惯例,我们在交流想法时遇到了困难。然而,对这些不同领域中的想法的兴奋激励我们利用这些困难,从而开展了长期的合作,包括项目研究、研究生和本科教学以及论文指导。本书是这种合作的体现。
本书直接基于我们在哈佛大学的一些学期和季度课程,起初是共同授课,之后我们分别在加州大学洛杉矶分校、加州大学伯克利分校和斯坦福大学教授了多年课程。这些课程主要面向统计学、经济学、商学和其他应用统计学领域的研究生和本科生。此外,我们还在巴塞罗那、北京、柏林、伯尔尼、日内瓦、马斯特里赫特、墨西哥城、迈阿密、蒙得维的亚、圣地亚哥、斯德哥尔摩、乌普萨拉、维珍塔尔、苏黎世,以及在世界银行等机构和组织中教授了这些课程的简化版本。
这本书采用的方法具有几个关键特点。首先,我们的观点是所有因果问题都与具体的干预或处理措施有关。其次,因果问题被视为潜在结果的比较,每个潜在结果对应于处理的水平。如果处理采用了相应的水平,就可以观察到每个潜在结果。在处理采用了特定水平之后,只有与该水平对应的潜在结果才会被实际观察到。因果效应涉及观察到的结果与可能观察到其他潜在结果之间的比较,这些结果是处理采用了不同水平时应当被观察到的,但事实上没有被观察到。因果推断因此本质上是一个缺失数据问题,就像所有缺失数据问题一样,由决定哪些数据值被观察到和哪些数据值缺失的机制发挥关键作用。在因果推断中,这个机制被称为分配机制(assignment mechanism),它决定了所研究个体采取的处理水平。
这本书分为七个部分。在第一部分中,阐述我们在因果推断方面的基本理念,并描述潜在结果框架。接下来的三个部分根据分配机制的假设进行区分。在第二部分中,我们假设分配机制与经典随机实验相一致。
在第三部分中,我们假设分配机制在某种明确定义的意义上是“正则的”,这扩展了随机实验的范围。在本书的这一部分中,讨论了我们称为观察性研究的“设计”阶段,我们认为这一阶段对于保证结论的可靠性非常重要。在接下来的第四部分,我们讨论具有正则分配机制的研究的数据分析。在这里,我们考虑匹配和子分类程序,以及基于模型和加权的方法。
在第五部分中,我们放松了这种正则性的假设,并讨论更一般的分配机制。首先,我们评估正则性所需的关键假设,即无混杂性。在本书的这一部分中,我们还探讨了放松一些关键特征的敏感性分析。
在本书的第六部分中,我们考虑分配机制是正则的,但分配的执行并不完美的情况。因此,接受处理的概率可能取决于个体的可观察和未观察特征以及结果。为了解决这些复杂性,我们转向工具变量方法。本书的第七部分是结论。
与所有书籍一样,我们的书也有局限性。首要的是我们专注于二元处理。尽管许多结果可以很容易地推广到多值处理,但我们专注于二元处理的情况,因为在这种情况下已经涉及了许多关键的概念问题。其次,在本书的大部分内容中,我们做出了“稳定性”假设,即应用于一个个体的处理不会影响其他个体的结果,并且没有未被代表的处理版本。以本书中讨论的因果关系概念为基础的、关于通过网络和同伴效应进行相互作用的研究越来越多。最后,尽管我们将本书设计为理论严密且有原则的著作,但我们专注于实际而不是数学结果,本书包括使用真实数据集的详细应用,以符合我们的目标读者,即应用领域的研究人员的需要。