倾向值匹配法的概述与应用

倾向值匹配法就是将各个受测单元多维度的信息，使用统计方法简化成一维的数值，成为倾向值，然后据之进行匹配，匹配的目的就是要找寻实验组和对照组样本中拥有相同（或者相似）倾向值的样本，它们之间的差异，就是因果关系。这个原理很好简单，但聪明的读者肯定会问，什么是多维度的信息？如何简化它？这都是倾向值匹配法很为关键也是很容易发生问题的地方。由苏毓淞著的《倾向值匹配法的概述与应用--从统计关联到因果推论/社会科学研究方法前沿与应用丛书》的靠前章将简要介绍为什么要对多维信息进行降维处理，而第2章将进一步讲解这背后的理论背景。第3章选择了4篇学刊论文，对其中倾向值匹配方法的使用进行解析。第4章则就“应用R软件和STATA 软件实现倾向值匹配法”进行说明。

苏毓淞，清华大学政治学系副教授，美国纽约市立大学政治学系政治学专业博士。

第1章 因果推论理论概述
1.1 潜在结果模型
1.1.1 因果态与实验分组
1.1.2 因果推论的基本难题
1.1.3 平均处理效用
1.2 社会科学研究中的因果推论
1.2.1 处理变量的可操作性
1.2.2 单元同质性假定
1.2.3 可忽略的处理分配假定
1.2.4 控制混淆共变量
1.2.5 稳定单元处理值假定
1.2.6 共变量分布平衡与重合的要求
1.2.7 勿控制处理分配后的变量
1.3 小结
第2章 使用倾向值匹配法估计因果效用
2.1 倾向值
2.1.1 倾向值的性质
2.1.2 估计倾向值
2.2 匹配法
2.2.1 准确匹配法
2.2.2 最近邻匹配法
2.2.3 区间匹配法
2.2.4 核匹配法
2.2.5 马氏距离匹配法
2.2.6 贪婪匹配法与很好匹配法
2.3 匹配后的检验
2.3.1 共变量分布不平衡分析
2.3.2 共变量分布不重合分析
2.3.3 选择性偏差与敏感性分析
2.4 匹配后估计平均处理效用
2.4.1 使用回归模型估计平均处理效用
2.4.2 平均处理效用的标准误差
2.4.3 非二元处理下的平均处理效用
2.5 小结
第3章 社会科学案例选读
3.1 案例评析重点
3.2 教育学案例：计算机的使用对中学生数学成绩的影响
3.3 心理学案例：独生和非独生子女情绪适应的差异
3.4 政治学案例：候选人议题立场与选民投票抉择
3.5 经济学案例：企业贸易形态与工资水平
第4章 应用R软件和S7A了A软件实现倾向值匹配法
4.1 R程序包
4.2 STATA程序插件
4.3 使用R进行倾向值匹配分析LaLonde数据
4.4 使用STATA进行倾向值匹配分析LaLonde数据
参考文献
表目录
表1.1 因果推论的基本难题
表1.2 二元处理下的虚拟实验数据
表2.1 儿童血铅水平的敏感性分析结果
表4.1 LaLonde数据中的变量
图目录
图1.1 虚拟参加课后加强班前后数学成绩的差异
图1.2 虚拟参加课后加强班前后数学成绩的差异 (将实验组与对照组的比较在分布重合的区块)
图1.3 比较实验组和对照组群体在教育程度和年龄上平衡和重合的情况
图2.1 使用倾向值匹配法估计因果效用的标准作业流程图
图2.2 图示最邻近匹配法对照组样本可替换和不可替换的情况
图2.3 Cochran(1968)建议的五分位数和六分位数的很好分位点
图2.4 核匹配法常用的核及其对应的核函数和核密度图形
图2.5 共变量分布在实验组和对照组平衡的情况
图2.6 共变量分布在实验组和对照组间缺乏平衡的情况
图2.7 比较民主国家与独裁国家人均GDP与GDP成长率的关系
图4.1 使用qqplot()程序检验匹配前后共变量的平衡情况
图4.2 使用qqplot()程序检验GenMatch()程序匹配前后共变量的平衡情况
图4.3 使用散点图、分位数对比分位图、条状图检验matchit()程序匹配前后共变量的平衡情况
图4.4 使用折线图呈现matchit()程序匹配前(All Data)和匹配后(Matched Data)各个共变量组间差值绝对值的变化
图4.5 使用条状图检验psmatch2程序匹配后实验组和对照组倾向值重合的情况