☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

內容簡介

《萬捲方法·傾嚮值分析：統計方法與應用》係統介紹瞭四種用於因果的前沿統計方法：
1 由2000年諾貝爾經濟學得主美國芝加哥大學教授傑姆斯·海科曼（James Heckman）創立的“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計學教授保羅·羅森堡（Paul Rosenbaum）及哈佛大學著名統計學教授唐納德·魯賓（Donald Rubin）創立的 “傾嚮值匹配方法”。
3 由美國哈佛大學肯尼迪政府學院教授埃爾波特·阿貝蒂（Alberto Abadie）及哈佛大學經濟學教授圭多·因本斯（Guido Imbens）創立的“匹配估算法”。
4 由美國芝加哥大學教授傑姆斯·海科曼（James Heckman），日本東京大學經濟學教授市村英彥（Hidehiko lchimura），及美國賓夕法尼亞大學經濟學教授派徹·托德（Petra Todd）創立的“核心值匹配法”。
該書將所有例證的Stata操作程序和資料公布於互聯網，以方便讀者練習和運用。該書闡述瞭重要的統計學原理和定理，省略瞭論證，通俗易懂，側重應用，是社會行為科學研究者瞭解當代前沿因果分析方法的重要工具書。

內頁插圖

目錄

1 導論
1.1 觀察研究
1.2 曆史和發展
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 為何和何時需要傾嚮值分析
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 因果關係、內在效度與威脅
2.2 反事實與Neyman-Rubin反事實框架
2.3 可忽略的乾預分配假定
2.4 穩定的單元乾預值假定
2.5 估計乾預效應的方法
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 乾預效應的類型
2.8 Heckman的因果關係計量經濟學模型
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 常規最小二乘迴歸
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 數據模擬的啓示
3.6 與應用OLS迴歸有關的主要問題
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 一個偶然截尾二元正態分布的矩
4.1.4 Heckman模型及其兩步估計量
4.2 乾預效應模型
4.3 工具變量估計量
4.4 Stata程序概述及treatreg的主要特徵
4.5 舉例
4.5.1 乾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乾預效應的評估
4.5.3 對缺失數據進行多重填補後運行乾預效應模型
4.6 結論

5 傾嚮值匹配及相關模型
5.1 概述
5.2 維度問題以及傾嚮值的性質
5.3 估計傾嚮值
5.3.1 二分類logistic迴歸
5.3.2 設定預測傾嚮值正確模型的策略
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 貧婪匹配
5.4.2 最佳匹配
5.4.3 精細平衡
5.5 匹配後分析
5.5.1 貪婪匹配後的多元分析
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 最佳匹配後使用Hodges-Lehmann有序秩檢驗進行結果分析
5.5.5 基於以最佳成對匹配所得樣本的迴歸調整
……
6 匹配估計量
7 使用非參數迴歸的傾嚮值分析
8 選擇偏差與敏感性分析
9 總結性評論
參考文獻
人名索引
關鍵詞索引
譯後記

精彩書摘

和大多數評估一樣，數據集裏的很多研究變量都包含缺失值。在進行評估分析之前，我們使用多重填補方法對缺失數據進行填補。使用這一方法，我們為每一個結果變量構造瞭50個填補數據文件。根據我們針對這50個數據集的分析結果，這一填補取得瞭99%的相對效率。遵照填補缺失數據中的慣常做法，我們為所有案例的缺失值進行填補，但結果變量上有缺失數據的案例被刪除瞭。這樣一來，最終分析的樣本規模會隨著結果變量而變動。
使用多重填補文件（即本例中50個不同的數據文件），我們首先對每一個文件運行nnmatch命令然後使用Rubin法則來匯總點估計和標準誤以構建一套對每個結果變量進行顯著性檢驗的統計量。請讀者參考本書的附屬網頁，我們在上麵提供瞭有關的命令語法，這些語法針對每一結果運行nnmatch命令50次和用於使用Rubin法則進行匯總。
為瞭分析齣現在四年級學年和五年級學年中的結果變化，我們首先使用3種方法分析整個樣本的變化分：①采用迴歸調整的最佳成對匹配；②采用Hodges-Lehmann有序秩檢驗的最佳完全匹配；③匹配估計量。我們在錶6.6中提供這些分析結果。
由前兩種方法（即最佳成對匹配和最佳完全匹配）得到的結果沒有什麼希望。基於乾預項目的設計，我們希望有正嚮的發現（即乾預在改變行為結果方麵是有效果的）；但是，從采用迴歸調整的最佳成對匹配中得到的結果沒有一個是統計顯著的。這一情況在采用Hodges-Lehmann檢驗的最佳完全匹配中略有改善，其中部分結果錶明統計上的趨勢（p<0.10），有兩個變量（社交能力和親社會行為）呈現齣統計顯著性（p<0.05）。當麵臨這一情況時，研究者需要尋找一個閤理的解釋。我們認為對這一不顯著的結果至少有兩個閤理的解釋：一個是乾預沒有效果，另一個是我們的評估數據違反瞭包含在我們所使用評估方法中的假定，從而這一結果反映瞭方法的缺陷。實際研究中，並沒有確切的方式可以用來找齣哪一個解釋是真的。不過，第三種方法（即匹配估計量）的分析結果比前兩種方法旱現瞭比前兩個分析更重要的發現。
……
萬捲方法·傾嚮值分析：統計方法與應用 [Propensity Score Analysis:Statistical Methods and Applications] 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

書的質量還行

評分☆☆☆☆☆

很不錯，挺好用的，滿意

評分☆☆☆☆☆

質量很好，快遞速度快

評分☆☆☆☆☆

2.3 求解因子載荷矩陣

評分☆☆☆☆☆

PSA為數不多的著作，建議做這個的朋友可以入手

評分☆☆☆☆☆

不錯

評分☆☆☆☆☆

還可以，到貨速度快。但是有本書有點瑕疵。

評分☆☆☆☆☆

翻譯的很爛，配第二版英文版看

評分☆☆☆☆☆

1.2 計算反映像相關矩陣：負的偏斜方差+負的篇相關係數

類似圖書 點擊查看全場最低價