掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
心靈元氣社
-
>
縣中的孩子 中國縣域教育生態(tài)
-
>
(精)人類的明天(八品)
-
>
厭女（增訂本）
-
>
這樣學習才高效/楊慧琴
-
>
心理學經(jīng)典文叢:女性心理學
-
>
中國文化5000年
傾向值分析:統(tǒng)計方法與應用 版權(quán)信息
- ISBN：9787562466222
- 條形碼：9787562466222 ; 978-7-5624-6622-2
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
傾向值分析:統(tǒng)計方法與應用 本書特色
郭申陽、馬克·W.弗雷澤所著的《傾向值分析——統(tǒng)計方法與應用》是一本介紹當代因果分析方法的書。它系統(tǒng)介紹了美國關(guān)于因果分析的四種前沿統(tǒng)計方法。本書就因果分析方法的起源和發(fā)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(lǐng)域，向讀者做一簡單介紹。
傾向值分析:統(tǒng)計方法與應用 內(nèi)容簡介
《萬卷方法·傾向值分析：統(tǒng)計方法與應用》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)濟學得主美國芝加哥大學教授杰姆斯·？坡↗amesHeckman）創(chuàng)立的“樣本選擇模型”。2由美國賓夕法尼亞大學沃頓商學院著名統(tǒng)計學教授保羅·羅森堡（PaulRosenbaum）及哈佛大學著名統(tǒng)計學教授唐納德·魯賓（DonaldRubin）創(chuàng)立的“傾向值匹配方法”。3由美國哈佛大學肯尼迪政府學院教授埃爾波特·阿貝蒂（AlbertoAbadie）及哈佛大學經(jīng)濟學教授圭多·因本斯（GuidoImbens）創(chuàng)立的“匹配估算法”。4由美國芝加哥大學教授杰姆斯·？坡↗amesHeckman），日本東京大學經(jīng)濟學教授市村英彥（Hidehikolchimura），及美國賓夕法尼亞大學經(jīng)濟學教授派徹·托德（PetraTodd）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)，以方便讀者練習和運用。該書闡述了重要的統(tǒng)計學原理和定理，省略了論證，通俗易懂，側(cè)重應用，是社會行為科學研究者了解當代前沿因果分析方法的重要工具書。
傾向值分析:統(tǒng)計方法與應用 目錄
1導論
1．1觀察研究
1．2歷史和發(fā)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(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 可忽略的干預分配假定
2．4穩(wěn)定的單元干預值假定
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(tǒng)計推斷的基本邏輯
2．7干預效應的類型
2．8 Heckman的因果關(guān)系計量經(jīng)濟學模型
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)*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(shù)據(jù)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(shù)據(jù)進行多重填補后運行干預效應模型
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設定預測傾向值正確模型的策略
5．3．3 Hirano和Imbens基于預設的臨界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 *佳匹配后使用Hodges-Lehmann有序秩檢驗進行結(jié)果分析
5．5．5基于以*佳成對匹配所得樣本的回歸調(diào)整
5．5．6 *佳匹配后使用Hodges-Lehmann有序秩得分進行回歸調(diào)
5．6傾向值加權(quán)
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貪婪匹配以及后續(xù)的風險率分析
5．9．2*佳匹配
5．9．3使用Hodges-Lehmann有序秩的匹配后分析
5．9．4使用差分回歸進行匹配后分析
5．9．5傾向值加權(quán)
5．9．6對干預劑量的建模
5．9．7 模型比較以及貧困對兒童學業(yè)成績影響研究的結(jié)論
5．9．8 對RAND—GBM和Stata的BOOST算法對比
5．10 結(jié)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(zhì)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(wěn)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(jié)論
7 使用非參數(shù)回歸的傾向值分析
7．1概述
7．2使用非參數(shù)回歸的傾向值分析方法
7．2．1基于內(nèi)核的匹配估計量
7．2．2 對局部線性回歸(lowess)基本概念回顧
7．2．3 內(nèi)核和局部線性回歸的漸近和有限樣本性質(zhì)
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 基于內(nèi)核的匹配在單時點數(shù)據(jù)中的應用
7．5結(jié)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選擇偏差的后果
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(jié)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(jié)論
9總結(jié)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（Γ）的批評
9．2．2 對敏感性分析的批評
9．2．3群組隨機化實驗
9．3 因果關(guān)系建模的其他進展
9．4未來發(fā)展的方向
參考文獻
人名索引
關(guān)鍵詞索引
譯后記
展開全部
書友推薦
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
中國歷史的瞬間
- >
羅庸西南聯(lián)大授課錄
- >
我與地壇
- >
羅曼·羅蘭讀書隨筆-精裝
- >
有舍有得是人生
- >
【精裝繪本】畫給孩子的中國神話
- >
龍榆生：詞曲概論/大家小書
本類暢銷
