因果分析高级讲座：倾向值分析及相关模型.doc

因果分析高级讲座：倾向值分析及相关模型 课程名称 因果分析高级讲座：倾向值分析及相关模型授课人 郭申阳，博士，美国北卡洛兰那大学教授 Email: sguo@ 授课时间: 计划授课11次，每次3小时 郭申阳，复旦大学经济学学士和硕士，南开大学第一期社会学专业班毕业，美国密执安大学社会学博士，现任美国北卡洛莱那大学教会山分校社会工作学院教授，北卡大学奥顿研究所应用统计工作组主席．教授硕博士生统计和定量研究方法课程，在动态研究，多层次研究，结构方程模型，事件史研究，倾向值匹配，内核匹配，项目评估等方法及其运用等领域发表论文60余篇．著作或合著《倾向值分析》，《生存分析》，及《结构方程模型》。他在社会工作中的研究课题包括儿童福利，贫困人群，福利政策及改革，老年人群抚养，等．担任社会工作研究，社会服务纵览，儿童及青少年服务纵览，社区服务杂志，健康与社会行为杂志，家庭关系，婚姻与家庭杂志，家庭问题杂志，人口学等杂志及牛津大学出版社特约评审员． 本课程将系统1)由2000年诺贝尔经济学奖得主美国芝加哥大学教授杰姆斯.海科曼（James Heckman）创立的 “样本选择模型”, (2) 由美国宾夕法尼亚大学沃顿商学院著名统计学教授保罗.罗森堡(Paul Rosenbaum)及哈佛大学著名统计学教授当那德.如苯(Donald Rubin)创立的 “倾向值匹配方法”, (3) 由美国哈佛大学肯尼迪政府学院教授埃尔波特.阿贝蒂(Alberto Abadie)及哈佛大学经济学教授圭多.因本斯(Guido Imbens)创立的 “匹配估算法”, (4) 由美国芝加哥大学教授杰姆斯.海科曼（James Heckman）Hidehiko Ichimura）、及美国宾夕法尼亚大学经济学教授派彻.托德(Petra Todd) 创立的 “核心值匹配法”。为应对隐性筛选误差，本课程还将介绍Rosenbaum的“敏感度分析”方法。本课程将用社会行为科学的研究实例示范这些方法的应用和操作，所有应用实例将展示如何用Stata 和R软件操作。所有应用实例的资料和程序可通过下列网页下载/psa/。课程目标： 在本课结束时，学生们将具有如下能力： 理解用观测性或准实验性资料做因果分析的问题和挑战，在什么情况下纯随机实验法将不可行，违背伦理准则，或研究费用太高，理解在这些情况下采用纠正方法的重要性； 理解开发因果分析方法以应对观测性资料挑战中的两种流派(统计学派和计量经济学派)之异同和辩论；理解 的 “反事实研究框架”以及它的两个基本假设：干预分配的强忽略假设和稳定单位干预值假设；理解 对“反事实研究框架”的批判以及由他建立的“关于因果关系的科学模型”理解 样本选择及相关模型的主要特征及如何运用 软件做分析理解倾向值贪婪匹配及相关模型的主要特征及如何运用 软件做分析理解倾向值优化匹配及相关模型的主要特征及如何运用 和R软件做分析理解匹配估算法的主要特征及如何运用 软件做分析理解基于内核的匹配及相关模型的主要特征及如何运用 软件做分析理解Rosenbaum“敏感度分析”的主要特征及如何运用 软件做分析懂得如何阅读、评审批判评估研究的文献。 课程预备知识及软件要求: 本课程要求学生具有“多元回归分析”的基本知识。本课使用Stata 软件做分析。学生具备 操作基本知识最佳，但此知识并不是必备的要求。所有解决课题的操作程序将发给学生。 教材和阅读文章: 10). Propensity Score Analysis: Statistical Methods and Applications. Thousand Oaks, CA: Sage Publications. (本书的中文版已由郭志刚等翻译并由重庆大学出版社出版) 学生需购买或借阅此教科书(中英文版都可) 所有课程要求的其它阅读文章将通过电子邮件发给学生。 其他参考书目: Rosenbaum, P. R. (2010). Design of Observational Studies. New York: Springer. Morgan, S.L, Winship, C. (2007). Counterfactuals and Causal Inference: Methods and Principles for Social Research. New York: Cambridge University Press. 课堂作业考试和评估： 为掌握课堂教授的知识，学生将做5次回家作业。这些作业不评分，学生将在作业发出后的第二天收到作业的答案，自行评估。这些作业对掌握课程知识并