因果分析：影響評估和因果機器學習在R中的應用

邸俊鵬,趙紅梅,齊麟

因果分析：影響評估和因果機器學習在R中的應用

買這商品的人也買了...

簡體書新到貨｜單本79折起 2書75折 (8/9--8/23) 詳見活動內容 »

商品描述

本書是對因果分析的定量方法的全面介紹，除了基礎計量之外，還包括機器學習的新趨勢等前沿內容。作者認為，在一個日益數字化和由數據驅動的經濟中，覆雜的因果分析的重要性只會加深，所以這本教科書為研究生和研究人員提供了關於經驗數據因果分析的清晰而全面的介紹。作者用平易近人的寫作方式強調了各種計量方法的底層邏輯，同時也對關鍵概念進行了全面的討論，還涵蓋了其他書中未涉及的幾種方法的 發展，包括機器學習的新趨勢、互動或幹擾效應的評估，以及 近的研究設計，如串聯或鏈接設計。

作者簡介

[瑞士]馬丁·胡貝爾（Martin Huber） 瑞士弗裏堡大學應用計量經濟學教授，其研究方向涵蓋因果分析與影響評估、機器學習、統計學、計量經濟學、實證經濟學及商業分析等領域，在上述領域均有方法論層面與實證應用層面的雙重研究成果。

目錄大綱

1引言

1.1關於因果關系和本書

1.2本書框架概述

2因果關系和無因果關系

2.1潛在結果、因果效應和

SUTVA

2.2處理選擇偏差

3社會實驗與線性回歸

3.1社會實驗

3.2線性回歸效應識別

3.3線性回歸估計及其性質

3.4方差估計、推斷和擬合優度

3.5擴展到多元或連續處理

3.6引入協變量

4可觀測變量的選擇

4.1可觀測變量選擇下的識別

4.2線性回歸、序列回歸和核回歸

4.3協變量匹配

4.4傾向得分匹配

4.5逆概率加權、經驗似然和熵平衡法

4.6雙重穩健方法

4.7實際問題：共同支撐和匹配質量

4.8多值或連續處理與分布效應

4.9動態處理效應

4.10因果機制(中介分析)

4.11結果損耗和處理後樣本選擇

5因果機器學習

5.1機器學習的動機和應用領域

5.2使用Lasso回歸進行雙重機器學習和分拆

5.3 多機器學習算法的綜述

5.4異質性效應

5.5 政策學習

5.6強化學習

6工具變量

6.1局部平均處理效應的估計

6.2考慮協變量的工具變量方法

6.3非二元工具變量與處理

6.4因果機制與樣本選擇、動態與多重處理

7雙重差分

7.1不考慮協變量的雙重差分

7.2考慮協變量的雙重差分

7.3多期處理

7.4雙重變化

8合成控制

8.1單一處理單元的估計與推斷

8.2其他估計量和多個處理單元

9斷點回歸、拐點和聚束設計

9.1清晰和模糊斷點回歸設計

9.2清晰和模糊拐點回歸設計

9.3聚束設計

10部分識別和敏感性分析

10.1部分識別

10.2敏感性分析

11幹擾效應下的處理評估

11.1穩定單元處理值假設不成立

11.2部分幹擾

11.3基於暴露映射的幹擾

12結語

參考文獻

類似商品