01 / 导读
导读
引用
Morgan, S. L., & Winship, C. (2015). Counterfactuals and Causal Inference: Methods and Principles for Social Research (2nd ed.). Cambridge University Press.
章节概要
第二版是对2007年第一版的修订和扩充，共十三章、六个部分。各部分的逻辑清晰：先介绍因果关系的两种形式化语言，再讲相关变量可观测时的估计方法，然后讲不可观测时的估计方法，最后讨论两种策略都无法给出点估计时该怎么办。
第一部分，第1章：Introduction
开篇一章提出全书的基本问题：X是否导致Y，效应有多大，并以特许学校、大学学位与收入、2000年佛罗里达总统选举中的蝴蝶选票等例子说明。本章概述潜在结果模型，对观察性社会科学中的因果分析作了有选择的历史回顾（包括实验语言和调查研究的作用），介绍贯穿全书的例子，最后引入因果图。
第二部分，第2–3章：Counterfactuals and the Potential Outcome Model；Causal Graphs
第2章逐步建立潜在结果框架：界定因果状态、个体层面的效应、处理组与观测结果、平均处理效应、稳定单位处理值假设（SUTVA）、朴素估计、随时间变化的潜在结果以及多值处理。第3章引入第二种语言——因果图：识别、图的基本要素、图与结构方程的联系，以及图与潜在结果模型的关系。两章均以附录收尾。
第三部分，第4–7章：以观测变量为条件
第4章 Models of Causal Exposure and Identification Criteria for Conditioning Estimators 介绍后门准则，以及“为平衡而控制”与“为调整而控制”的区别。第5章讲匹配估计量（分层、加权和算法匹配，以及实际操作中的问题）。第6章讲回归估计量，包括把回归理解为按条件方差加权的匹配。第7章 Weighted Regression Estimators of Causal Effects 涵盖ATE、ATT和ATC的估计量、双重稳健估计量以及一个扩展示例。
第四部分，第8–11章：后门条件化无效时
第8章 Self-Selection, Heterogeneity, and Causal Graphs 处理不可观测因素上的选择以及复杂的自选择模式。第9章讲工具变量估计量，包括允许个体层面异质性的估计量。第10章 Mechanisms and Causal Explanation 讨论前门准则和对生成机制的诉求。第11章 Repeated Observations and the Estimation of Causal Effects 涵盖中断时间序列、断点回归设计和面板数据，并以时变处理方案的附录收尾。
第五部分，第12章：Distributional Assumptions, Set Identification, and Sensitivity Analysis
第五部分只有一章，讨论效应无法点识别时的估计：潜变量选择偏差模型、最小假设下的集合识别，以及对暂定估计的敏感性分析。
第六部分，第13章：Counterfactuals and the Future of Empirical Research in Observational Social Science
最后一章回应对采用反事实方法的各种反对意见，并区分社会科学中的几种因果探究模式。
核心概念
第1–3章：两种框架
- 潜在结果：每个个体在每种处理状态下都有一个结果，但只能观测到其中一个，因此无法直接计算个体因果效应。
- 平均处理效应与SUTVA：第2章界定平均效应及其所依赖的稳定单位处理值假设。
- 因果图：表示因果关系并支持识别论证的有向图。
第4–7章：条件化
- 后门准则：基于图的规则，用于选择那些被控制后能阻断非因果路径的变量。
- 匹配与回归：两类条件化估计量，均从潜在结果视角阐述。
- 加权回归与双重稳健估计量：第7章中ATE、ATT和ATC的估计量。
第8–12章：超越条件化
- 不可观测因素上的选择：促使人们转向工具变量、机制和纵向设计的问题。
- 前门准则与机制：通过中间变量实现识别，并与对更深层解释的要求相联系。
- 集合识别与敏感性分析：报告取值范围，或检验放宽假设后结论如何变化。
评析
优点
- 两种语言并行。 本书在讲任何估计量之前先介绍潜在结果（第2章）和因果图（第3章），各章附录又将二者相互联系，因此后面的章节可以任选其一使用。
- 按识别问题组织。 各部分遵循一种决策逻辑：若暴露的决定因素可观测，就做条件化（第三部分）；若不可观测，就寻找工具变量、机制或重复观测（第四部分）；若什么都无法点识别，就估计范围或检验敏感性（第五部分）。读者可以从研究情境出发找到相应章节。
- 强调异质性。 出版社的简介指出全书始终强调因果效应的异质性，目录也体现了这一点，例如第8章，以及第9章中考虑异质性的工具变量部分。
- 示例材料。 第1章列出了贯穿全书的例子，第7章包含一个扩展示例。
局限
- 要求较高。 全书约500页，使用形式化符号，各章还有关于图与识别的技术性附录，是研究生层次的专著，而不是方法入门课程。
- 聚焦观察性数据。 实验主要作为评判观察性设计的基准出现，没有专门讨论实验设计的章节。
- 默认具备统计基础。 第5–7章建立在回归及相关统计思想之上，本书面向已经处理定量数据的读者。
在课程中的定位
在这份以综合性入门书为主的方法课程书单里，本书是专门讲因果推断的专业教材。Babbie的 The Practice of Social Research、Walliman的 Research Methods: The Basics 和Bryman的 Social Research Methods 是对研究过程的宽泛入门，Creswell的 Research Design 是规划研究和撰写研究计划的指南；这些都适合作为先行阅读。Charmaz的 Constructing Grounded Theory 讲的是一种质性研究传统，与本书互补而非竞争。
在同一主题的政治学书目中，King、Keohane和Verba的 Designing Social Inquiry 讨论质性研究中的推断，Gerring的 Social Science Methodology 则是关于方法的整体框架。当问题具体是如何从非实验数据估计因果效应时，应当转向Morgan和Winship。
如何使用本书
本书适合社会学、人口学、教育学等领域已经掌握回归、希望为因果主张打下严格基础的研究生和高年级本科生；出版社简介提到的领域是社会科学、人口科学和健康科学。
实用的阅读方案：
- 核心： 按顺序读第1–3章，然后读第4–6章。不要跳过第4章关于识别的论述，后面的章节都要用到。
- 应用估计： 第7章，然后是第9章，适合要做加权回归或工具变量分析的读者。
- 深入与设计： 第8、10、11章讲选择、机制和纵向设计；第12章讲敏感性分析。
- 初读可选： 各章附录（第2、3、4、11章），提供技术细节；以及第13章，最好在熟悉方法之后再读。
先读第1章和2.1–2.4节，试着把自己的研究问题表述为潜在结果之间的对比，然后把它画成因果图。如果两种表示对“必须控制什么”的结论不一致，先弄清原因再继续。