倾向值匹配法就是将各个受测单元多维度的信息，使用统计方法简化成一维的数值，成为倾向值，然后据之进行匹配，匹配的目的就是要找寻实验组和对照组样本中拥有相同（或者相似）倾向值的样本，它们之间的差异，就是因果关系。这个原理非常简单，但聪明的读者肯定会问，什么是多维度的信息？如何简化它？这都是倾向值匹配法的关键也是容易发生问题的地方。本书的第1章将简要介绍为什么要对多维信息进行降维处理，而第2章将进一步讲解这背后的理论背景。第3章选择了4篇学刊论文，对其中倾向值匹配方法的使用进行解析。第4章则就“应用R软件和STATA 软件实现倾向值匹配法”进行说明。书中行文不可避免要使用到一些数学公式来辅助理论论述，对这些推演，作者尽可能以浅显易懂的文字对这些推演过程的原理进行说明，略过这些公式并不会妨碍读者对于理论的了解。
20世纪以来，社会科学学者越来越希望能像自然科学学者一样，说因道果，以确立研究的“科学性”，然而他们的研究往往发现的是关联性，而非因果关系。倾向值匹配法，在21世纪初横空出世，成为当代定量方法中一颗闪耀的新星，正是因为宣称可以解决因果推断的基本难题。作者苏毓淞钻研倾向值匹配法十年，他的基本观点是：进行因果推断的前设是严谨科学的研究设计，倾向值匹配法不能帮助我们发现因果关系，但它的确是有效协助解决因果推断的一种研究方法，它改变了学者们处理因果推断的思维方式，社会科学的研究者都值得学习和了解它。
|
