第一部分 理论基础

第一章 反事实因果分析框架
因果关系的定义
因果推断的前提假设
何谓处理变量
“结果的原因”和“原因的结果”

第二章 随机实验
随机实验的性质与基本类型
随机实验在因果推断中的重要作用
如何分析随机实验数据

第三章 观测研究初步：有限混淆变量
回归法
细分法
加权法

第二部分 基本方法

第四章 匹配方法
匹配法的原理
匹配法的操作过程
匹配法的优度衡量

第五章 倾向值方法
倾向值的定义及其作用
倾向值匹配及其优势
倾向值加权与双重稳健估计
倾向值细分与处理效应异质性

第六章 工具变量方法
工具变量方法的基本逻辑及其因果推论价值
工具变量因果推论的假设条件

第七章 回归断点设计方法
回归断点设计的基本原理
回归断点设计的类型及其假设
带宽的选择及稳健性检验

第八章 追踪数据的因果推断
固定效应模型
双重差分方法
综合控制个案方法

第三部分 高级方法

第九章 广义倾向值方法
广义倾向值方法的概念和前提假设
针对多分类处理变量的广义倾向值方法
针对连续型处理变量的广义倾向值方法

第十章 敏感性检验
单参数方法
双参数方法

第十一章 因果中介分析
常规中介分析及其问题
因果中介分析的基本假设和类型
因果中介分析：模型法
因果中介分析：加权法
控制直接效应简介

第十二章 随时间变化的处理效应简介
假设条件
边际结构模型
结构嵌套均值模型

附录1 主观变量解释主观变量：方法论辨析

附录2 统计模型的“不确定性”问题与倾向值方法