论文

因果分析中的倾向值分析和熵平衡法

摘要

在社会学等学科的实证研究中,倾向值分析是当前常用的用来估计因果关系的方法。但是,在实际应用中,若需要通过有限样本估计某一外在宏观要素对微观层次的作用效应的形塑,则此方法可能会面临精确性和代表性难以同时兼顾、协变量的多阶矩难以同时平衡以及多层多个协变量难以同时匹配三个难题。新近发展的熵平衡法能够有效解决这三大难题。本文综合国内外的最新研究进展,对熵平衡法的原理、特点和优势进行了梳理,并在此基础上提出了两步熵平衡法,以实现两个层次不同协变量的同时匹配;然后,以新经济社会学中的社会网络研究为例,通过对一个调查数据的分析展示了这一方法在因果关系的估计上与倾向值匹配、倾向值加权等方法的异同;最后,对熵平衡法的运用前景和可进一步拓展之处,给出了笔者的思考。

作者

郝明松 ,西安交通大学人文社会科学学院社会学系副教授,西安交通大学实证社会科学研究所研究员,ms.hao@xjtu.edu.cn。
Mingsong Hao

参考文献 查看全部 ↓
  • 边燕杰、张文宏、程诚,2011,《社会资本的劳动力市场效应估算——关于内生性问题的文献回溯和研究策略》,《社会学研究》第1期。
  • 边燕杰、张文宏、程诚,2012,《求职过程的社会网络模型:检验关系效应假设》,《社会》第3期。
  • 陈强,2014,《高级计量经济学及Stata应用》(第二版),高等教育出版社。
  • 陈云松、范晓光,2010,《社会学定量分析中的内生性问题:测估社会互动的因果效应研究综述》,《社会》第4期。
  • 陈云松、吴青熹、张翼,2015,《近三百年中国城市的国际知名度——基于大数据的描述与回归》,《社会》第5期。
  • 陈云松、张亮亮、闵尊涛、张柏杨,2016,《大数据机遇与宏观定量社会学的重启》,《贵州师范大学学报》(社会科学版)第6期。
  • 郭申阳、马克·弗雷泽,2012,《倾向值分析:统计方法与应用》,郭志刚、巫锡伟等译,重庆大学出版社。
  • 胡安宁,2012,《倾向值匹配与因果推论:方法论述评》,《社会学研究》第1期。
  • 李泽广、马泽昊,2013,《契约环境、代理成本与企业投资——债务期限关系》,《管理世界》第8期。
  • 梁玉成,2014,《社会网络内生性问题研究》,《西安交通大学学报》(社会科学版)第1期。
  • 林南、敖丹,2010,《社会资本之长臂:日常交流获取工作信息对地位获得的影响》,《西安交通大学学报》(社会科学版)第6期。
  • Austin,Peter C. 2011. “An Introduction to Propensity Score Methods for Reducing the Effects of Confounding in Observational Studies.” 46(3):399-424.
  • Dehejia,Rajeev H. and Sadek Wahba. 1999. “Causal Effects in Nonexperimental Studies: Reevaluating the Evaluation of Training Programs.” 94(448):1053-1062.
  • Hainmueller,Jens and Xu Y. 2014. “Ebalance: A Stata Package for Entropy Balancing.” 54(7):1935-1946.
  • Hainmueller,Jens. 2012. “Entropy Balancing for Causal Effects: A Multivariate Reweighting Method to Produce Balanced Samples in Observational Studies.” 20(1):25-46.
  • Hirano,Keisuke and G. W. Imbens. 2001. “Estimation of Causal Effects using Propensity Score Weighting: An Application to Data on Right Heart Catheterization.” 2(3-4):259-278.
  • Imai,K. and M. Ratkovic. 2014. “Covariate Balancing Propensity Score.” 76(1).
  • Kang,J. D. and J. L. Schafer. 2007. “Demystifying Double Robustness: A Comparison of Alternative Strategies for Estimating A Population Mean from Incomplete Data.” 22(4):523-539.
  • LaLonde,R. J. 1986. “Evaluating the Econometric Evaluations of Training Programs with Experimental Data.” 76(4):604-620.
  • Marcus,Jan. 2013. “The Effect of Unemployment on The Mental Health of Spouses-Evidence from Plant Closures in Germany.” 32(3):546-558.
  • Mouw,Ted. 2003,“Social Capital and Finding a Job: Do Contacts Matter?” 68(6):868-898.
  • Mouw,Ted. 2006. “Estimating the Causal Effect of Social Capital: A Review of Recent Research.” 32(1):79-102.
  • Rosenbaum,Paul R. 2005. “Sensitivity Analysis in Observational Studies.” In Everitt B. S. and Howell D. C. (eds.). New York: John Wiley and Sons.
  • Rosenbaum,Paul R. and Donald B. Rubin. 1983. “The Central Role of the Propensity Score in Observational Studies for Causal Effects.” 70(1):41-55.
  • Schultz,Theodore W. 1961.“Investment in Human Capital.” 51(1):1-17.
  • Sohn,Kitae. 2010. “The Role of Cognitive and Noncognitive Skills in Overeducation.” 31(2):124-145.
  • Tarvid,Alexander. 2013. “Unobserved Heterogeneity in Overeducation Models: Is Personality More Important than Ability?” 5(5):722-731.
  • Wooldridge,J. M. 2002. . Cambridge,MA: MT Press.
  • Zhao,Qingyuan and Daniel Percival. 2015. “Primal-dual Covariate Balance and Minimal Double Robustness via Entropy Balancing.”

因果分析中的倾向值分析和熵平衡法

可试读20%内容 PDF阅读 阅读器阅览

试读已结束,剩余80%未读

¥11.35 查看全文 >

VIP免费

论文目录

  • 一 引言
    1. (一)因果分析的挑战:内生性问题
    2. (二)解决内生性问题:倾向值分析及其面临的三个难题
  • 二 熵平衡法的原理、特点和优势
    1. (一)核心理念
    2. (二)基本运算过程
    3. (三)熵平衡法的特点和优势
    4. (四)估计因果效应的可靠程度
  • 三 分析实例:倾向值分析及其面临的新问题
    1. (一)数据、变量与分析目标简介
    2. (二)倾向值匹配法遇到的难题
      1. 1.样本量不足导致的估计偏误
      2. 2.两个层次的内生性问题及其干扰
    3. (三)倾向值加权法及其局限
  • 四 新的分析:两步熵平衡法及其结果
    1. (一)两步熵平衡法的实现过程
    2. (二)检验两步熵平衡法的有效性
  • 五 结论和展望
    1. (一)主要结论
    2. (二)思考和展望

论文图片/图表

查看更多>>>