
《高级统计学》课程大纲课程基本信息(CourseInformation)*学时*学分课程编号1252031055483(Course ID)(Credit Hours)(Credits)高级统计学*课程名称(CourseName)Advanced Statistics先修课程社会统计学(Prerequisite Courses)本课程是针对社会学专业本科生开设的选修课,旨在指导学生掌握多变量因果分析的基本原理,帮助学生深入理解经济社会发展中不同因素之间复杂的因果关系,提升应用高级统计方法解决实际问题的能力。本课程主要教学内容包括:多元回归分析、路径分析、*课程简介二项Logistic回归分析、多项和序次Logistic回归分析、多项式回归、分段线性回归、多(Description)层线性模型、倾向值匹配分析等模型和方法。课程重点在于指导学生理解社会问题的复杂性,并帮助学生建立统计分析与社会政策制定之间的逻辑联系,难点在于培养学生使用量化统计方法解决复杂问题的综合能力和高级思维。本课程的教学方法为课堂讲授、案例演示与小组讨论相结合,要求学生积极参加课堂讨论,并完成一篇以实际社会问题为导向并且符合量化分析要求的结课论文。This course isan optional coursefor undergraduates majoring in sociology.Itaims to guidestudents to master the basic principles of multivariable causal analysis,help students deeplyunderstandthecomplexcausal relationshipbetweendifferentfactorsintheprocessofeconomicandsocialdevelopment,andimprovetheirabilitytosolvepracticalproblemsbyusingadvancedstatistical methods.Themain teaching contents of this course include multiple regression analysis,pathanalysis,logistic regression analysis,polynomial regression,piecewise linear regression*课程简介multilevel linearmodel,propensityscorematching analysis,andothermodelsandmethods.The(Description)focusofthecourseistoguidestudentstounderstandthecomplexityof social problems,helpstudents establish thelogical connection between statisticalanalysis and social policy-making,andcultivatestudents'comprehensiveabilityto solve complexproblemsusingquantitative statisticamethods.Thiscoursecombinesclassroomteaching.casedemonstration,andgroupdiscussion,andrequires studentsto activelyparticipate in class discussion and complete a final paperthat analyzespractical social problemsusingquantitativeanalysismethods.*教材《社会统计分析方法:SPSS软件应用(第二版)》,郭志刚,中国人民大学出版社,2015年,第(Textbooks)2版,9787300206769。参考资料《回归分析(修订版)》,谢宇,社会科学文献出版社,2013年,第2版,9787509742891。Other《量化数据分析:通过社会研究检验想法》,唐启明,社会科学文献出版社,2018年,第1版
《高级统计学》课程大纲 课程基本信息(Course Information) 课程编号 (Course ID) 1252031055 *学时 (Credit Hours) 48 *学分 (Credits) 3 *课程名称 (Course Name) 高级统计学 Advanced Statistics 先修课程 (Prerequisite Courses) 社会统计学 *课程简介 (Description) 本课程是针对社会学专业本科生开设的选修课,旨在指导学生掌握多变量因果分析的基 本原理,帮助学生深入理解经济社会发展中不同因素之间复杂的因果关系,提升应用高 级统计方法解决实际问题的能力。本课程主要教学内容包括:多元回归分析、路径分析、 二项 Logistic 回归分析、多项和序次 Logistic 回归分析、多项式回归、分段线性回归、多 层线性模型、倾向值匹配分析等模型和方法。课程重点在于指导学生理解社会问题的复 杂性,并帮助学生建立统计分析与社会政策制定之间的逻辑联系,难点在于培养学生使 用量化统计方法解决复杂问题的综合能力和高级思维。本课程的教学方法为课堂讲授、 案例演示与小组讨论相结合,要求学生积极参加课堂讨论,并完成一篇以实际社会问题 为导向并且符合量化分析要求的结课论文。 *课程简介 (Description) This course is an optional course for undergraduates majoring in sociology. It aims to guide students to master the basic principles of multivariable causal analysis, help students deeply understand the complex causal relationship between different factors in the process of economic and social development, and improve their ability to solve practical problems by using advanced statistical methods. The main teaching contents of this course include multiple regression analysis, path analysis, logistic regression analysis, polynomial regression, piecewise linear regression, multilevel linear model, propensity score matching analysis, and other models and methods. The focus of the course is to guide students to understand the complexity of social problems, help students establish the logical connection between statistical analysis and social policy-making, and cultivate students' comprehensive ability to solve complex problems using quantitative statistical methods. This course combines classroom teaching, case demonstration, and group discussion, and requires students to actively participate in class discussion and complete a final paper that analyzes practical social problems using quantitative analysis methods. *教材 (Textbooks) 《社会统计分析方法:SPSS 软件应用(第二版)》,郭志刚,中国人民大学出版社,2015 年,第 2 版,9787300206769。 参考资料 ( Other 《回归分析(修订版)》,谢宇,社会科学文献出版社,2013 年,第 2 版,9787509742891。 《量化数据分析:通过社会研究检验想法》,唐启明,社会科学文献出版社,2018 年,第 1 版

References)9787520114066。*课程类别口公共基础课/全校公共必修课口通识教育课口专业基础课口专业核心课/专业必修课团专业拓展课/专业选修课口其他(CourseCategory)口线上,教学平台*授课对象*授课模式社会学专业本科生囚线下口混合式其他(TargetStudents)(ModeofInstruction)口实践类(70%以上学时深入基层)四中文*开课院系*授课语言口全外语社会与民族学院口双语:中文+(School)(Language of Instruction)(外语讲授不低于50%)课程负责人田志鹏,中国社会科学院社会学研究所助理研究员姓名及简介*授课教师信息(Teacher Information)团队成员无姓名及简介1.理解多变量因果分析模型的基本原理与使用方法。学习目标2.掌握应用高级统计方法解决实际问题的能力。(Learning Outcomes)3.指导学生理解社会问题的复杂性,帮助学生建立统计分析与社会政策制定之间的逻辑联系,培养学生使用量化统计方法解决复杂问题的综合能力和高级思维。*考核方式课程成绩由平时成绩、期末成绩组成总评成绩。其中,平时成绩由出勤和课堂报告构成,占总评成(Grading)绩的30%;期末考核形式为结课论文,占总评成绩的70%。*课程教学计划(TeachingPlan)其中周教学内容摘要课其实A学讲周次程他(必含章节名称、讲述的内容提要、实验的名称、教学方法、课堂讨论的题目、验题时授讨环阅读文献参考书目及作业等)课课论节第一章导论第一节“社会研究"与社会科学知识的“客观性”1. 科学的出发点2.三种态度3.科学的经验知识第一周3第二节社会研究:获得社会的经验性知识的方式1.基本研究方法2.统计研究的标准程序第三节数据与数据清理:大型综合社会调查数据7
References) 9787520114066。 *课程类别 (Course Category) 公共基础课/全校公共必修课 通识教育课 专业基础课 专业核心课/专业必修课 专业拓展课/专业选修课 其他 *授课对象 (Target Students) 社会学专业本科生 *授课模式 (Mode of Instruction) 线上,教学平台 线下 混合式 其他 实践类(70%以上学时深入基层) *开课院系 (School) 社会与民族学院 *授课语言 (Language of Instruction) 中文 全外语 双语:中文+ (外语讲授不低于 50%) *授课教师信息 (Teacher Information) 课程负责人 姓名及简介 田志鹏,中国社会科学院社会学研究所助理研究员 团队成员 姓名及简介 无 学习目标 (Learning Outcomes) 1.理解多变量因果分析模型的基本原理与使用方法。 2.掌握应用高级统计方法解决实际问题的能力。 3.指导学生理解社会问题的复杂性,帮助学生建立统计分析与社会政策制定之间的逻辑联系,培养 学生使用量化统计方法解决复杂问题的综合能力和高级思维。 *考核方式 (Grading) 课程成绩由平时成绩、期末成绩组成总评成绩。其中,平时成绩由出勤和课堂报告构成,占总评成 绩的 30%;期末考核形式为结课论文,占总评成绩的 70%。 *课程教学计划(Teaching Plan) 周次 周 学 时 其中 教学内容摘要 (必含章节名称、讲述的内容提要、实验的名称、教学方法、课堂讨论的题目、 阅读文献参考书目及作业等) 讲 授 实 验 课 习 题 课 课 程 讨 论 其 他 环 节 第一周 3 2 0 0 1 0 第一章 导论 第一节 “社会研究”与社会科学知识的“客观性” 1. 科学的出发点 2. 三种态度 3. 科学的经验知识 第二节 社会研究:获得社会的经验性知识的方式 1. 基本研究方法 2. 统计研究的标准程序 第三节 数据与数据清理 1. 大型综合社会调查数据

数据获取方式2.3.PPS抽样与样本代表性4.数据清理方法第四节基础统计学知识回顾本章重点内容:社会研究;规范性知识;经验性知识;相关关系;因果关系;文献研究;实地研究;实验研究;统计调查;统计研究的标准程序;操作化;因素法;指数法;量表法;类型法:概念;抽样调查数据:问卷:PPS抽样:样本代表性;子总体;变量:变量取值:个案;数据;抽样分布;统计检验;样本;总体;集中趋势;离散趋势。教学方法:讲授+课程讨论。讨论题目:“得到数据支持的结论一定是真实的吗?作业:申请获取社会学研究中常用的社会调查数据集,选择一个数据集,对其中的个体的基本信息进行清理练习。第二章多元回归分析-1第一节多元线性回归分析的基本原理1.多元线性回归的一般形式2.多元回归模型变量的测量层次3.多元线性回归的系数估计第二节OLS估计与回归基本假定1. 模型设定假定2.正交假定3.独立同分布假定4.正态分布假定第二周301000第三节多元回归模型系数的解读31.偏效应2.偏效应与统计控制第四节研究示例本章重点内容:多元线性回归的一般形式;回归平面;回归的基本假定;变量的测量层次;偏回归系数的估计和解读;偏效应;虚假相关和中介效应;标准化回归系数。教学方法:讲授。阅读文献:《回归分析》第5章。作业:提出一个社会现象之间因果关系的想法,并将这一想法涉及的变量进行操作化。第三章多元回归分析-2第一节单个回归系数的检验1.回归系数的标准误2.单个回归系数的假设检验第二节回归模型的假设检验第三周300001.多元回归模型拟合的评价2.判定系数的含义3.多个系数的联合检验第三节嵌套模型嵌套模型的统计检验1
2. 数据获取方式 3. PPS 抽样与样本代表性 4. 数据清理方法 第四节 基础统计学知识回顾 本章重点内容:社会研究;规范性知识;经验性知识;相关关系;因 果关系;文献研究;实地研究;实验研究;统计调查;统计研究的标 准程序;操作化;因素法;指数法;量表法;类型法;概念;抽样调 查数据;问卷;PPS 抽样;样本代表性;子总体;变量;变量取值;个 案;数据;抽样分布;统计检验;样本;总体;集中趋势;离散趋势。 教学方法:讲授+课程讨论。 讨论题目:“得到数据支持的结论一定是真实的吗?” 作业:申请获取社会学研究中常用的社会调查数据集,选择一个数据 集,对其中的个体的基本信息进行清理练习。 第二周 3 3 0 0 0 0 第二章 多元回归分析-1 第一节 多元线性回归分析的基本原理 1. 多元线性回归的一般形式 2. 多元回归模型变量的测量层次 3. 多元线性回归的系数估计 第二节 OLS 估计与回归基本假定 1. 模型设定假定 2. 正交假定 3. 独立同分布假定 4. 正态分布假定 第三节 多元回归模型系数的解读 1. 偏效应 2. 偏效应与统计控制 第四节 研究示例 本章重点内容:多元线性回归的一般形式;回归平面;回归的基本假 定;变量的测量层次;偏回归系数的估计和解读;偏效应;虚假相关 和中介效应;标准化回归系数。 教学方法:讲授。 阅读文献:《回归分析》第 5 章。 作业:提出一个社会现象之间因果关系的想法,并将这一想法涉及的 变量进行操作化。 第三周 3 3 0 0 0 0 第三章 多元回归分析-2 第一节 单个回归系数的检验 1. 回归系数的标准误 2. 单个回归系数的假设检验 第二节 回归模型的假设检验 1. 多元回归模型拟合的评价 2. 判定系数的含义 3. 多个系数的联合检验 第三节 嵌套模型 1. 嵌套模型的统计检验

2.嵌套模型统计检验的假设与检定值3.判定系数增量第四节研究示例本章重点内容:回归系数的假设检验:回归系数的标准误;回归模型的假设检验:确定系数调整后的确定系数:多元相关系数:多个系数的联合检验:嵌套模型;限制模型;非限制模型;嵌套模型的统计检验;判定系数增量。教学方法:讲授。阅读文献:《回归分析》第6章。作业:基于申请的调查数据,使用统计软件,对社会现象之间因果关系的想法进行多元回归分析。第四章多元回归分析-3第一节分类变量与回归分析1.群体比较研究2.分类信息的编码形式第二节虚拟变量1.虚拟变量编码2.虚拟变量设置3.多分类虚拟变量的设置第四周0033004.虚拟变量的回归系数的解读第三节比较模型的贝叶斯方法第四节案例演示本章重点内容:虚拟变量;虚拟编码;虚拟变量设置;参照组;虚拟变量回归系数的解读;比较模型的贝叶斯方法。教学方法:讲授。阅读文献:《回归分析》第12章、第13章。作业:练习在多元回归分析模型中加入虚拟变量和交互项,第五章多元回归技巧第一节自变量的非线性变换1.对数变换2.二次项变换第二节交互项1.交互项的意义2.两个虚拟变量构造交互项第五周0003.一个虚拟变量与一个连续变量构造交互项3304.两个个连续变量构造交互项第三节构建交互项的注意事项第四节案例演示本章重点内容:对数变换;二次项变换;交互项;条件效应。教学方法:讲授。作业:列出社会生活中非线性关系的三个实例,并尝试使用统计方法加以验证和解释
2. 嵌套模型统计检验的假设与检定值 3. 判定系数增量 第四节 研究示例 本章重点内容:回归系数的假设检验;回归系数的标准误;回归模型 的假设检验;确定系数 ;调整后的确定系数;多元相关系数;多个系 数的联合检验;嵌套模型;限制模型;非限制模型;嵌套模型的统计 检验;判定系数增量。 教学方法:讲授。 阅读文献:《回归分析》第 6 章。 作业:基于申请的调查数据,使用统计软件,对社会现象之间因果关 系的想法进行多元回归分析。 第四周 3 3 0 0 0 0 第四章 多元回归分析-3 第一节 分类变量与回归分析 1. 群体比较研究 2. 分类信息的编码形式 第二节 虚拟变量 1. 虚拟变量编码 2. 虚拟变量设置 3. 多分类虚拟变量的设置 4. 虚拟变量的回归系数的解读 第三节 比较模型的贝叶斯方法 第四节 案例演示 本章重点内容:虚拟变量;虚拟编码;虚拟变量设置;参照组;虚拟 变量回归系数的解读;比较模型的贝叶斯方法。 教学方法:讲授。 阅读文献:《回归分析》第 12 章、第 13 章。 作业:练习在多元回归分析模型中加入虚拟变量和交互项。 第五周 3 3 0 0 0 0 第五章 多元回归技巧 第一节 自变量的非线性变换 1. 对数变换 2. 二次项变换 第二节 交互项 1. 交互项的意义 2. 两个虚拟变量构造交互项 3. 一个虚拟变量与一个连续变量构造交互项 4. 两个个连续变量构造交互项 第三节 构建交互项的注意事项 第四节 案例演示 本章重点内容:对数变换;二次项变换;交互项;条件效应。 教学方法:讲授。 作业:列出社会生活中非线性关系的三个实例,并尝试使用统计方法 加以验证和解释

第六章测度构建第一节概念与测量第二节加总测度法第三节因子分析1.因子分析的应用2.主成分分析法3.主成分求解4.主成分与原始变量的关系第四节主成分分析结果解释第六周3300O01.最大方差正交旋转2.因子负载3.因子分第五节案例演示本章重点内容:概念:测量;加总测度法:因子分析:探索性因子分析;主成分分析法;最大方差正交旋转;因子负载;因子分。教学方法:讲授。阅读文献:《量化数据分析》第11章作业:完成期末结课论文的初步研究设计第七章路径分析第一节复杂因果关系1.相关关系2.一果多因3.一因多果4.多因一果5.多因多果第二节路径分析1.外生变量与内生变量第七周2.递归模型与非递归模型2001033.因果效应分解第三节案例演示本章重点内容:因果关系;相关关系;一果多因;一因多果;多因一果;多因多果;前置变量;后置变量;反事实框架;路径分析;外生变量;内生变量;最终结果变量;路径图;递归模型;非递归模型;路径系数;总效应;直接效应;间接效应。教学方法:讲授+课程讨论。阅读文献:《社会统计分析方法》第5章。讨论题目:“路径分析相较于多元回归分析有哪些不同?"期中研讨。学生提交研究设计,并汇报结课论文的研究选题,选题意第八周nC义及计划使用的模型方法。(L教学方法:课堂汇报
第六周 3 3 0 0 0 0 第六章 测度构建 第一节 概念与测量 第二节 加总测度法 第三节 因子分析 1. 因子分析的应用 2. 主成分分析法 3. 主成分求解 4. 主成分与原始变量的关系 第四节 主成分分析结果解释 1. 最大方差正交旋转 2. 因子负载 3. 因子分 第五节 案例演示 本章重点内容:概念;测量;加总测度法;因子分析;探索性因子分 析;主成分分析法;最大方差正交旋转;因子负载;因子分。 教学方法:讲授。 阅读文献:《量化数据分析》第 11 章 作业:完成期末结课论文的初步研究设计 第七周 3 2 0 0 1 0 第七章 路径分析 第一节 复杂因果关系 1. 相关关系 2. 一果多因 3. 一因多果 4. 多因一果 5. 多因多果 第二节 路径分析 1. 外生变量与内生变量 2. 递归模型与非递归模型 3. 因果效应分解 第三节 案例演示 本章重点内容:因果关系;相关关系;一果多因;一因多果;多因一 果;多因多果;前置变量;后置变量;反事实框架;路径分析;外生 变量;内生变量;最终结果变量;路径图;递归模型;非递归模型; 路径系数;总效应;直接效应;间接效应。 教学方法:讲授+课程讨论。 阅读文献:《社会统计分析方法》第 5 章。 讨论题目:“路径分析相较于多元回归分析有哪些不同?” 第八周 3 0 0 0 3 0 期中研讨。学生提交研究设计,并汇报结课论文的研究选题,选题意 义及计划使用的模型方法。 教学方法:课堂汇报

第八章二项Logistic回归分析第一节分类因变量与线性回归1.Logistic函数2.多个自变量的Logistic回归第二节解释Logistic回归系数1. logit (p)2.发生比Q3.发生比率第三节Logistic模型整体检验第九周001.截距模型33002.假设模型3.检验似然比第四节案例演示本章重点内容:Logit分析;逻辑斯蒂回归;二项逻辑斯蒂回归;Logistic函数;事件发生的概率;事件不发生的概率;发生比;对数发生比;logit(p):发生比率;乘数效应;最大似然估计:Logistic模型整体检验。教学方法:讲授。阅读文献:《社会统计分析方法》第6章。第九章多项和序次Logistic回归分析第一节多项逻辑斯蒂回归1.因变量特征2.模型设定3.模型解释4.无关选择的独立性第二节序次逻辑斯蒂回归第十周33000因变量特征01. 2.模型设定3.模型解释第三节案例演示本章重点内容:多项逻辑斯蒂回归:无关选择的独立性:序次逻辑斯蒂回归:成比例比率假设。教学方法:讲授。作业:使用Logistic回归模型完成一项具体的分析任务。第十章多层线性模型第一节多层线性模型的基本原理1.适用情境2.模型设定第二节多层线性模型的参数估计第十一周330000第三节多层线性模型的优势和局限第四节应用举例本章重点内容:多层数据结构;组内变异;组间变异;组内方程;组间方程;“回归的回归:随机系数模型;多层线性模型。教学方法:讲授
第九周 3 3 0 0 0 0 第八章 二项 Logistic 回归分析 第一节 分类因变量与线性回归 1. Logistic 函数 2. 多个自变量的 Logistic 回归 第二节 解释 Logistic 回归系数 1. logit(p) 2. 发生比Ω 3. 发生比率 第三节 Logistic 模型整体检验 1. 截距模型 2. 假设模型 3. 检验似然比 第四节 案例演示 本章重点内容:Logit 分析;逻辑斯蒂回归;二项逻辑斯蒂回归;Logistic 函数;事件发生的概率 ;事件不发生的概率;发生比;对数发生比; logit(p);发生比率 ;乘数效应;最大似然估计;Logistic 模型整体 检验。 教学方法:讲授。 阅读文献:《社会统计分析方法》第 6 章。 第十周 3 3 0 0 0 0 第九章 多项和序次 Logistic 回归分析 第一节 多项逻辑斯蒂回归 1. 因变量特征 2. 模型设定 3. 模型解释 4. 无关选择的独立性 第二节 序次逻辑斯蒂回归 1. 因变量特征 2. 模型设定 3. 模型解释 第三节 案例演示 本章重点内容:多项逻辑斯蒂回归;无关选择的独立性;序次逻辑斯 蒂回归;成比例比率假设。 教学方法:讲授。 作业:使用 Logistic 回归模型完成一项具体的分析任务。 第十一周 3 3 0 0 0 0 第十章 多层线性模型 第一节 多层线性模型的基本原理 1. 适用情境 2. 模型设定 第二节 多层线性模型的参数估计 第三节 多层线性模型的优势和局限 第四节 应用举例 本章重点内容:多层数据结构;组内变异;组间变异;组内方程;组 间方程;“回归的回归”;随机系数模型;多层线性模型。 教学方法:讲授

阅读文献:《回归分析》第16章。第十一章多重共线性问题和异方差第一节多重共线性问题1.多重共线性问题的含义2.多重共线性问题的影响3.多重共线性的解决方法4.多重共线性与多重共线性问题5.容许度与方差膨胀因子第十二周第二节异方差L3200101.异方差现象举例2.广义最小二乘法3.加权最小二乘法4.稳健回归教学方法:讲授+课程讨论。讨论题目:“社会生活中有哪些典型的异方差现象?”阅读文献:《回归分析》第10章、第14章。第十二章非线性回归第一节非线性回归的基本原理第二节表述非线性关系的回归方法1.多项式回归(polynomialregression)2.样条函数回归(splinefunctionregression)3.阶跃函数回归(stepfunctionregression)第三节多项式回归的系数解释和模型检验1.曲线回归模型2.一次效应系数第十三周3.二次效应系数300004.二次多项式模型的检验第四节样条函数回归的基本原理1.样条函数2.模型解释本章重点:多项式回归;多项式回归模型;曲线回归模型;一次效应系数:二次效应系数;二次多项式模型的检验;二次项系数的检验;样条函数回归;阶跃函数回归;分段函数。教学方法:讲授。阅读文献:《回归分析》第11章。第十三章统计方法前沿第一节反事实因果推论框架1.反事实的基本思路第十四周3200102.因果关系统计量3.平均因果处理效应4.因果推断的前提假设
阅读文献:《回归分析》第 16 章。 第十二周 3 2 0 0 1 0 第十一章 多重共线性问题和异方差 第一节 多重共线性问题 1. 多重共线性问题的含义 2. 多重共线性问题的影响 3. 多重共线性的解决方法 4. 多重共线性与多重共线性问题 5. 容许度与方差膨胀因子 第二节 异方差 1. 异方差现象举例 2. 广义最小二乘法 3. 加权最小二乘法 4. 稳健回归 教学方法:讲授+课程讨论。 讨论题目:“社会生活中有哪些典型的异方差现象?” 阅读文献:《回归分析》第 10 章、第 14 章。 第十三周 3 3 0 0 0 0 第十二章 非线性回归 第一节 非线性回归的基本原理 第二节 表述非线性关系的回归方法 1. 多项式回归(polynomial regression) 2. 样条函数回归(spline function regression) 3. 阶跃函数回归(step function regression) 第三节 多项式回归的系数解释和模型检验 1. 曲线回归模型 2. 一次效应系数 3. 二次效应系数 4. 二次多项式模型的检验 第四节 样条函数回归的基本原理 1. 样条函数 2. 模型解释 本章重点:多项式回归;多项式回归模型;曲线回归模型;一次效应 系数;二次效应系数;二次多项式模型的检验;二次项系数的检验; 样条函数回归;阶跃函数回归;分段函数。 教学方法:讲授。 阅读文献:《回归分析》第 11 章。 第十四周 3 2 0 0 1 0 第十三章 统计方法前沿 第一节 反事实因果推论框架 1. 反事实的基本思路 2. 因果关系统计量 3. 平均因果处理效应 4. 因果推断的前提假设

第二节倾向值匹配分析的基本原理1匹配的基本原理2.距离的测量3.倾向值距离与应用第三节案例演示本章重点内容:反事实因果推论框架;干预;控制:平均因果处理效应;单位处理变量值稳定假设;一致性假设;可忽略性假设;正值假设;精确匹配:欧几里得距离;马哈拉诺比斯距离;倾向值距离;线性倾向值距离。教学方法:讲授+课程讨论。讨论题目:“因果推断方法与回归分析方法有何不同?作业:将《期中研讨》选定的研究题目使用本课程讲授的方法加以验证并分析,在此基础上完成结课论文。《期末研讨-1》。提交结课论文,由学生汇报本课程论文的最终成果。第十五周B教学方法:课堂汇报。《期末研讨-2》。提交结课论文,由学生汇报本课程论文的最终成果。第十六周-教学方法:课堂汇报。总计138备注(Notes)
第二节 倾向值匹配分析的基本原理 1. 匹配的基本原理 2. 距离的测量 3. 倾向值距离与应用 第三节 案例演示 本章重点内容:反事实因果推论框架;干预;控制;平均因果处理效 应;单位处理变量值稳定假设;一致性假设;可忽略性假设;正值假 设;精确匹配;欧几里得距离;马哈拉诺比斯距离;倾向值距离;线 性倾向值距离。 教学方法:讲授+课程讨论。 讨论题目:“因果推断方法与回归分析方法有何不同?” 作业:将《期中研讨》选定的研究题目使用本课程讲授的方法加以验 证并分析,在此基础上完成结课论文。 第十五周 3 0 0 0 3 0 《期末研讨-1》。提交结课论文,由学生汇报本课程论文的最终成果。 教学方法:课堂汇报。 第十六周 3 0 0 0 3 0 《期末研讨-2》。提交结课论文,由学生汇报本课程论文的最终成果。 教学方法:课堂汇报。 总计 4 8 3 5 0 0 13 0 备注(Notes)