出版前言
前言
致谢
本书结构
第一部分 导论
1 关于“问题”的问题
2 理想的实验
2.1 选择性偏误
2.2 用随机分配解决选择性偏误
2.3 对实验的回归分析
第二部分 核心
3 让回归变得有意义
3.1 回归的基本原理
3.2 回归与因果关系
3.3 异质性与非线性
3.4 回归的细节
3.5 附录：对加权平均导函数求导
4 实践中的工具变量：得到你想要的
4.1 工具变量与因果关系
4.2 两阶段最小二乘的渐进推断
4.3 双样本工具变量和剖分样本工具变量
4.4 工具变量与异质性潜在结果
4.5 对局部平均处理效应的推广
4.6 工具变量的细节
4.7 附录
5 相似世界：固定效应＼双重差分和面板数据
5.1 个体固定效应
5.2 双重差分：事前与事后，处理和控制
5.3 固定效应与滞后被解释变量
5.4 附录：对固定效应模型和滞后被解释变量模型的进一步讨论
第三部分 拓展
6 更进一步：断点回归设计
6.1 清晰断点回归
6.2 作为一种工具变量法的模糊断点回归
7 分位数回归
7.1 分位数回归模型
7.2 对分位数处理效应的工具变量估计
8 非标准的标准误问题
8.1 在估计稳健标准误时存在的偏误
8.2 面板数据中的聚类问题和序列相关问题
8.3 附录：对简单Moulton因子的计算
最后的几句话
术语表及名词缩写
参考文献
译后记
^ 收 起 
