内容简介
  在社会科学和生物医学等领域的研究中，大多数问题本质上都与因果关系有关：如果个人或群体的部分环境发生变化，将会发生什么？本书详细阐述了基于“潜在结果”概念的鲁宾因果模型，该模型将因果效应定义为同一对象在不同处理下可能得到的结果之间的比较，是因果推断领域的核心理论框架之一。

  作者以完全随机实验下的因果推断方法作为起点，逐步将条件放松到非实验的观察性研究所涉及的各种情境。本书还强调方法论的可操作性，为研究者提供了一套严谨的分析工具，包括匹配法、倾向得分和工具变量等关键技术，是因果关系研究的必备指南。


作者简介
  吉多·W.因本斯，2021年诺贝尔经济学奖得主。斯坦福大学商学院经济学教授，世界计量经济学会和美国人文与科学院的院士。曾在加州大学洛杉矶分校、加州大学伯克利分校和哈佛大学任教。拥有瑞士圣加仑大学的荣誉博士学位。在计量经济学和统计学领域开展了广泛的研究，专攻因果推断，并在经济学和统计学核心期刊上发表了大量文章。

  唐纳德·B.鲁宾，当今世界范围内影响最为深远的统计学家之一。先后任教和就职于芝加哥大学、哈佛大学和美国国家经济研究局，曾担任哈佛大学统计学系主任，以及美国国家科学院院士、美国人文与科学院院士。获得过统计学领域几乎所有著名奖项，被誉为当今世界的统计学泰斗。


名家推荐
  本书堪称潜在结果框架下因果推断的权威指南，为理论学者与应用者提供了不可或缺的指导与参考价值。
                                  ——哈尔·范里安（Hal Varian）
                           加州大学伯克利分校荣休教授，谷歌首席经济学家

  因本斯与鲁宾将潜在结果框架确立为因果研究的核心范式，彻底改变了经济学的实证研究方法。这部著作兼具透彻性与深刻性，既是基础原理的绝佳入门指南，也是学生与实践者的实用宝典——它将成为我所有课程的指定读物。
                                ——埃斯特·迪弗洛（Esther Duflo）
                         麻省理工学院经济学教授，2019年诺贝尔经济学奖得主

  本书对随机实验与准自然实验设计进行了全面而清晰的梳理，其论述之透彻必将使之成为该领域的标准参考文献。
                                   ——戴维·卡德（David Card）
                      加州大学伯克利分校经济学教授，2021年诺贝尔经济学奖得主


目录
第一部分  绪论
1 因果性：基本框架
2 潜在结果方法的因果推断简史
3 分配机制的分类

第二部分  经典随机实验
4 经典随机实验的分类方法
5 完全随机实验的费希尔精确p值
6 完全随机实验的内曼重复抽样法
7 完全随机实验的回归方法
8 完全随机实验的基于模型的推断
9 分层随机实验
10 配对随机实验
11 案例研究：劳动力市场项目的实验评估

第三部分  正则分配机制：设计
12 无混杂性处理分配
13 估计倾向得分
14 评估协变量分布的重叠性
15 通过匹配改善协变量分布的平衡
16 通过截尾来改善协变量分布的均衡性

第四部分  正则分配机制：分析
17 倾向得分分层
18 匹配估计量
19 平均因果效应标准估计量的抽样方差的一般化估计方法
20 一般因果被估量的推断

第五部分  正则分配机制：补充分析
21 评估无混杂性
22 敏感性分析和边界

第六部分  存在不依从性的正则分配机制：分析
23 单向不依从随机实验的工具变量分析
24 双向不依从随机实验的工具变量分析
25 工具变量分析中的模型方法：带有双向不依从性的随机实验

第七部分  结论
26 总结与推广