1导论 1
1.1观察研究 2
1.2历史和发展 3
1.3随机化实验 4
1.3.1 Fisher的随机化实验 4
1.3.2随机化实验的类型和统计检验 8
1.3.3对社会实验的批评 8
1.4为何和何时需要倾向值分析 9
1.5计算软件包 12
1.6本书的结构 12
2反事实框架与假定 15
2.1因果关系、内在效度与威胁 15
2.2反事实与Neyman-Rubin反事实框架 17
2.3可忽略的干预分配假定 21
2.4稳定的单元干预值假定 25
2.5估计干预效应的方法 26
2.5.1四种模型 26
2.5.2其他的平衡方法 27
2.6统计推断的基本逻辑 28
2.7干预效应的类型 32
2.8 Heckman的因果关系计量经济学模型 35
2.9结论 37
3数据平衡的传统方法 39
3.1数据平衡为何是必需的？一个探究性的例子 39
3.2数据平衡的3种方法 42
3.2.1常规最小二乘回归 42
3.2.2匹配 44
3.2.3分层 44
3.3数据模拟的设计 46
3.4数据模拟的结果 47
3.5数据模拟的启示 52
3.6与应用OLS回归有关的主要问题 54
3.7结论 56
4 样本选择及相关模型 57
4.1样本选择模型 57
4.1.1截尾、删截以及偶然截尾 58
4.1.2为什么对样本选择建模是重要的 60
4.1.3一个偶然截尾二元正态分布的矩 61
4.1.4 Heckman模型及其两步估计量 62
4.2干预效应模型 64
4.3工具变量估计量 66
4.4 Stata程序概述及treatreg的主要特征 67
4.5举例 72
4.5.1干预效应模型在观察数据中的应用 73
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 76
4.5.3对缺失数据进行多重填补后运行干预效应模型 81
4.6结论 82
5倾向值匹配及相关模型 84
5.1概述 84
5.2维度问题以及倾向值的性质 86
5.3估计倾向值 89
5.3.1二分类logistic回归 89
5.3.2设定预测倾向值正确模型的策略 91
5.3.3 Hirano和Imbens基于预设的临界t值来设定预测变量的方法 92
5.3.4一般化加速建模 94
5.4匹配 95
5.4.1贪婪匹配 95
5.4.2最佳匹配 97
5.4.3精细平衡 100
5.5匹配后分析 100
5.5.1贪婪匹配后的多元分析 101
5.5.2贪婪匹配后的分层 101
5.5.3计算协变量不平衡的指数 102
5.5.4最佳匹配后使用Hodges-Lehmann有序秩检验进行结果分析 103
5.5.5基于以最佳成对匹配所得样本的回归调整 104
5.5.6最佳匹配后使用Hodges-Lehmann有序秩得分进行回归调整 105
5.6倾向值加权 105
5.7对干预剂量进行建模 106
5.8 Stata和R程序概述 109
5.9举例 116
5.9.1贪婪匹配以及后续的风险率分析 116
5.9.2最佳匹配 124
5.9.3使用Hodges-Lehmann有序秩的匹配后分析 129
5.9.4使用差分回归进行匹配后分析 129
5.9.5倾向值加权 131
5.9.6对干预剂量的建模 132
5.9.7模型比较以及贫困对儿童学业成绩影响研究的结论 134
5.9.8对RAND- GBM和Stata的BOOST算法对比 135
5.10结论 137
6匹配估计量 139
6.1概述 139
6.2匹配估计量的方法 142
6.2.1简单匹配估计量 142
6.2.2偏差矫正的匹配估计量 148
6.2.3假定方差齐性的方差估算 149
6.2.4考虑异方差性的方差估计量 150
6.2.5大样本性质以及矫正 150
6.3 Stata程序nnmatch概述 151
6.4举例 154
6.4.1采用偏差矫正和稳健方差估计的匹配 154
6.4.2使用匹配估计量的效力子集分析 156
6.5结论 159
7使用非参数回归的倾向值分析 161
7.1概述 161
7.2使用非参数回归的倾向值分析方法 164
7.2.1基于内核的匹配估计量 164
7.2.2对局部线性回归（lowess）基本概念的回顾 165
7.2.3内核和局部线性回归的渐近和有限样本性质 171
7.3 Stata程序psmatch2和bootstrap概述 172
7.4实例 177
7.4.1差中差分析 178
7.4.2基于内核的匹配在单时点数据中的应用 180
7.5结论 181
8选择偏差与敏感性分析 182
8.1.选择偏差：一个概述 182
8.1.1选择偏差的来源 183
8.1.2显在偏差和隐藏偏差 186
8.1.3选择偏差的后果 187
8.1.4修正选择偏差的策略 187
8.2一项比较修正模型的蒙特卡罗研究 189
8.2.1蒙特卡罗研究的设计 191
8.2.2蒙特卡罗研究的结果 195
8.2.3启示 197
8.3 Rosenbaum的敏感性分析 198
8.3.1基本思路 198
8.3.2对匹配对研究进行敏感性分析的Wilcoxon符号秩检验举例 199
8.4 Stata程序rbounds概述 211
8.5举例 212
8.5.1铅接触效应的敏感性分析 212
8.5.2以成对匹配进行研究时的敏感性分析 212
8.6结论 214
9总结性评论 215
9.1观察研究中的常见陷阱：一份批判性考察的清单 215
9.2使用倾向值方法对实验进行近似 218
9.2.1对倾向值方法的批评 219
9.2.2对敏感性分析（Г）的批评 219
9.2.3群组随机化实验 220
9.3因果关系建模的其他进展 221
9.4未来发展的方向 222
参考文献 224
人名索引 231
关键词索引 234
译后记 245