| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.2.1 观察研究(observational studies) | 第10页 |
| 1.2.2 社会学、经济学、政治学等社科领域的观察数据因果推断研究 | 第10-11页 |
| 1.2.3 医学领域的观察数据因果推断研究 | 第11页 |
| 1.3 本文研究内容 | 第11-12页 |
| 1.3.1 观察数据因果推断的理论框架与常用方法 | 第12页 |
| 1.3.2 倾向值匹配法的理论与实证分析 | 第12页 |
| 1.4 本文组织架构 | 第12-14页 |
| 第2章 观察研究的因果效应理论框架 | 第14-20页 |
| 2.1 反事实框架(Counterfactual Framework) | 第14-16页 |
| 2.2 基本要求和重要假设 | 第16-20页 |
| 2.2.1 干预变量的可操作性 | 第16页 |
| 2.2.2 时间稳定性和因果暂时性(Temporal Stability and Causal Transcience) | 第16-17页 |
| 2.2.3 单元同质性假定(Unit Homogeneity Assumption) | 第17页 |
| 2.2.4 强可忽略的干预分配假定(Strongly Ignorable Treatment AssignmentAssumption) | 第17-18页 |
| 2.2.5 稳定的单元干预值假定(Stable Unit Treatment Value Assumption,SUTVA) | 第18-20页 |
| 第3章 常用观察研究因果推断的方法 | 第20-31页 |
| 3.1 断点回归设计(Regression Discontinuity Design,RDD) | 第20-21页 |
| 3.2 工具变量法(Instrumental Varible,Ⅳ) | 第21-22页 |
| 3.3 倾向值匹配法(Propensity Score Mathing,PSM) | 第22-30页 |
| 3.4.1 倾向值(propensity score)的概念与性质 | 第22-24页 |
| 3.4.2 倾向值匹配法的方法、步骤 | 第24-27页 |
| 3.4.3 几种匹配法介绍[35] | 第27-30页 |
| 3.4 几种方法的联系与比较 | 第30-31页 |
| 第4章 倾向值匹配法的社会学实证分析 | 第31-36页 |
| 4.1 数据背景 | 第31-32页 |
| 4.2 中国居民的大学教育收入回报 | 第32-36页 |
| 第5章 倾向值匹配法在医学观察数据上的应用 | 第36-43页 |
| 5.1 心衰住院病人观察数据背景 | 第36-37页 |
| 5.2 中药对心衰住院病人的费用与疗效分析 | 第37-43页 |
| 5.2.1 费用对比分析 | 第37-40页 |
| 5.2.2 疗效对比分析 | 第40-41页 |
| 5.2.3 多因素分析——Cox比例风险模型 | 第41-43页 |
| 第6章 结束语 | 第43-45页 |
| 6.1 本文的贡献与创新点 | 第43页 |
| 6.2 未来研究工作展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49-50页 |
| 研究生期间录用(投递)论文情况 | 第50页 |
