01 / 導讀
導讀
引用
Morgan, S. L., & Winship, C. (2015). Counterfactuals and Causal Inference: Methods and Principles for Social Research (2nd ed.). Cambridge University Press.
章節概要
第二版是對2007年第一版的修訂和擴充，共十三章、六個部分。各部分的邏輯清晰：先介紹因果關係的兩種形式化語言，再講相關變數可觀測時的估計方法，然後講不可觀測時的估計方法，最後討論兩種策略都無法給出點估計時該怎麼辦。
第一部分，第1章：Introduction
開篇一章提出全書的基本問題：X是否導致Y，效應有多大，並以特許學校、大學學位與收入、2000年佛羅里達總統選舉中的蝴蝶選票等例子說明。本章概述潛在結果模型，對觀察性社會科學中的因果分析作了有選擇的歷史回顧（包括實驗語言和調查研究的作用），介紹貫穿全書的例子，最後引入因果圖。
第二部分，第2–3章：Counterfactuals and the Potential Outcome Model；Causal Graphs
第2章逐步建立潛在結果框架：界定因果狀態、個體層面的效應、處理組與觀測結果、平均處理效應、穩定單位處理值假設（SUTVA）、樸素估計、隨時間變化的潛在結果以及多值處理。第3章引入第二種語言——因果圖：識別、圖的基本要素、圖與結構方程的聯絡，以及圖與潛在結果模型的關係。兩章均以附錄收尾。
第三部分，第4–7章：以觀測變數為條件
第4章 Models of Causal Exposure and Identification Criteria for Conditioning Estimators 介紹後門準則，以及“為平衡而控制”與“為調整而控制”的區別。第5章講匹配估計量（分層、加權和演算法匹配，以及實際操作中的問題）。第6章講迴歸估計量，包括把迴歸理解為按條件方差加權的匹配。第7章 Weighted Regression Estimators of Causal Effects 涵蓋ATE、ATT和ATC的估計量、雙重穩健估計量以及一個擴充套件示例。
第四部分，第8–11章：後門條件化無效時
第8章 Self-Selection, Heterogeneity, and Causal Graphs 處理不可觀測因素上的選擇以及複雜的自選擇模式。第9章講工具變數估計量，包括允許個體層面異質性的估計量。第10章 Mechanisms and Causal Explanation 討論前門準則和對生成機制的訴求。第11章 Repeated Observations and the Estimation of Causal Effects 涵蓋中斷時間序列、斷點回歸設計和麵板資料，並以時變處理方案的附錄收尾。
第五部分，第12章：Distributional Assumptions, Set Identification, and Sensitivity Analysis
第五部分只有一章，討論效應無法點識別時的估計：潛變數選擇偏差模型、最小假設下的集合識別，以及對暫定估計的敏感性分析。
第六部分，第13章：Counterfactuals and the Future of Empirical Research in Observational Social Science
最後一章回應對採用反事實方法的各種反對意見，並區分社會科學中的幾種因果探究模式。
核心概念
第1–3章：兩種框架
- 潛在結果：每個個體在每種處理狀態下都有一個結果，但只能觀測到其中一個，因此無法直接計算個體因果效應。
- 平均處理效應與SUTVA：第2章界定平均效應及其所依賴的穩定單位處理值假設。
- 因果圖：表示因果關係並支援識別論證的有向圖。
第4–7章：條件化
- 後門準則：基於圖的規則，用於選擇那些被控制後能阻斷非因果路徑的變數。
- 匹配與迴歸：兩類條件化估計量，均從潛在結果視角闡述。
- 加權迴歸與雙重穩健估計量：第7章中ATE、ATT和ATC的估計量。
第8–12章：超越條件化
- 不可觀測因素上的選擇：促使人們轉向工具變數、機制和縱向設計的問題。
- 前門準則與機制：通過中間變數實現識別，並與對更深層解釋的要求相聯絡。
- 集合識別與敏感性分析：報告取值範圍，或檢驗放寬假設後結論如何變化。
評析
優點
- 兩種語言並行。 本書在講任何估計量之前先介紹潛在結果（第2章）和因果圖（第3章），各章附錄又將二者相互聯絡，因此後面的章節可以任選其一使用。
- 按識別問題組織。 各部分遵循一種決策邏輯：若暴露的決定因素可觀測，就做條件化（第三部分）；若不可觀測，就尋找工具變數、機制或重複觀測（第四部分）；若什麼都無法點識別，就估計範圍或檢驗敏感性（第五部分）。讀者可以從研究情境出發找到相應章節。
- 強調異質性。 出版社的簡介指出全書始終強調因果效應的異質性，目錄也體現了這一點，例如第8章，以及第9章中考慮異質性的工具變數部分。
- 示例材料。 第1章列出了貫穿全書的例子，第7章包含一個擴充套件示例。
侷限
- 要求較高。 全書約500頁，使用形式化符號，各章還有關於圖與識別的技術性附錄，是研究生層次的專著，而不是方法入門課程。
- 聚焦觀察性資料。 實驗主要作為評判觀察性設計的基準出現，沒有專門討論實驗設計的章節。
- 預設具備統計基礎。 第5–7章建立在迴歸及相關統計思想之上，本書面向已經處理定量資料的讀者。
在課程中的定位
在這份以綜合性入門書為主的方法課程書單裡，本書是專門講因果推斷的專業教材。Babbie的 The Practice of Social Research、Walliman的 Research Methods: The Basics 和Bryman的 Social Research Methods 是對研究過程的寬泛入門，Creswell的 Research Design 是規劃研究和撰寫研究計劃的指南；這些都適合作為先行閱讀。Charmaz的 Constructing Grounded Theory 講的是一種質性研究傳統，與本書互補而非競爭。
在同一主題的政治學書目中，King、Keohane和Verba的 Designing Social Inquiry 討論質性研究中的推斷，Gerring的 Social Science Methodology 則是關於方法的整體框架。當問題具體是如何從非實驗資料估計因果效應時，應當轉向Morgan和Winship。
如何使用本書
本書適合社會學、人口學、教育學等領域已經掌握迴歸、希望為因果主張打下嚴格基礎的研究生和高年級本科生；出版社簡介提到的領域是社會科學、人口科學和健康科學。
實用的閱讀方案：
- 核心： 按順序讀第1–3章，然後讀第4–6章。不要跳過第4章關於識別的論述，後面的章節都要用到。
- 應用估計： 第7章，然後是第9章，適合要做加權迴歸或工具變數分析的讀者。
- 深入與設計： 第8、10、11章講選擇、機制和縱向設計；第12章講敏感性分析。
- 初讀可選： 各章附錄（第2、3、4、11章），提供技術細節；以及第13章，最好在熟悉方法之後再讀。
先讀第1章和2.1–2.4節，試著把自己的研究問題表述為潛在結果之間的對比，然後把它畫成因果圖。如果兩種表示對“必須控制什麼”的結論不一致，先弄清原因再繼續。