非递归模型：内生性，互反关系与反馈环路

帕梅拉·帕克斯顿：德克萨斯州大学奥斯汀分校社会学和政府管理教授、人文科学Christine and Stanley E. Adams, Jr. Centennial教授。她在校级政治和社会研究联合项目（ICPSR）高级统计方法夏季培训教授课程，并且为美国国际发展机构（USAID）提供咨询。她是关于亲社会行为、政治中的女性和定量方法论的许多文章和书籍的作者。

约翰 R.希普：加利福尼亚州大学Irvine分校犯罪学、法律和社会和社会学系的副教授。目前教授关于结构方程模型的研究生课程，从2003到2005年在ICPSR高级统计方法夏季培训教授关于联立方程组模型的一门课程。他的研究兴趣主要是邻里随时间的变化，这一变化如何影响邻里犯罪以及如何被影响，以及网络和制度在这一变化中扮演的角色。

桑德拉 马夸特-派亚特：密歇根州立大学的社会学、环境科学和政策项目的助理教授。她是密歇根大学ICPSR定量方法夏令营联立方程组课程的指导老师，并且定期教授关于结构方程模型的研究生课程。她的研究和教学经验主要集中在比较社会变迁、环境社会学、政治社会学和定量方法。她主要集中在环境态度和行为的跨国模式的研究、环境可持续发展的比较研究和跨国民主态度的研究。

序

第1章 导言 

第2章 设定 
第1节 路径图、方程、矩阵：一个设定的例子
第2节 从理论到模型：隐含的协方差矩阵
第3节 简单回归暗含的协方差矩阵
第4节 递归和非递归模型
第5节 直接、间接以及总体效应
第6节 结构方程和约减方程
第7节 工具变量

第3章 识别
第1节 已知和未知参数
第2节 限定条件
第3节 三种方程类型
第4节 识别法则
第5节分块递归识别

第4章 估计
第1节 含有内生性的小二乘估计的后果
第2节 有限信息估计的可选方法：两阶段小二乘法
第3节 一般小二乘法与两阶段小二乘法
第4节 完全信息估计：三阶段小二乘法
第5节 完全信息的似然估计
第6节 理解迭代估计值
第7节 完全信息和有限信息估计
第8节 实证例子：恰好识别的情形
第9节 非递归模型的STATA和SAS命令
第10节 实证例子：过度识别的情形

第5章 评估
第1节 单方程评估
第2节 模型总体拟合优度评估
第3节 工具变量质量评估
第4节 实例：信任与协会会员
第5节 总结和方法

第6章 解释
第1节 变量之间的总体关联：因果效应和非因果关联
第2节 理解非递归模型中的多种效应
第3节 计算直接、间接和总体效应
第4节 收敛和均衡
第5节 计算直接、间接和总体效应：递归的例子
第6节 计算直接、间接和总体效应：非递归的例子
第7节 解释理论驱动的指定间接效应
第8节 关于中介更多的信息
第9节 检验间接效应：简单的中介效应
第10节 检验间接效应：多元delta方法
第11节 检验间接效应：自举法
第12节 实证的例子：检验间接效应 

第7章 结论

注释
参考文献
译名对照表

帕梅拉·帕克斯顿：德克萨斯州大学奥斯汀分校社会学和政府管理教授、人文科学Christine and Stanley E. Adams, Jr. Centennial教授。她在校级政治和社会研究联合项目（ICPSR）高级统计方法夏季培训教授课程，并且为美国国际发展机构（USAID）提供咨询。她是关于亲社会行为、政治中的女性和定量方法论的许多文章和书籍的作者。

约翰 R.希普：加利福尼亚州大学Irvine分校犯罪学、法律和社会和社会学系的副教授。目前教授关于结构方程模型的研究生课程，从2003到2005年在ICPSR高级统计方法夏季培训教授关于联立方程组模型的一门课程。他的研究兴趣主要是邻里随时间的变化，这一变化如何影响邻里犯罪以及如何被影响，以及网络和制度在这一变化中扮演的角色。

桑德拉 马夸特-派亚特：密歇根州立大学的社会学、环境科学和政策项目的助理教授。她是密歇根大学ICPSR定量方法夏令营联立方程组课程的指导老师，并且定期教授关于结构方程模型的研究生课程。她的研究和教学经验主要集中在比较社会变迁、环境社会学、政治社会学和定量方法。她主要集中在环境态度和行为的跨国模式的研究、环境可持续发展的比较研究和跨国民主态度的研究。

纵观本书，我们囊括了关于联立方程非递归模型的两个基本视角。首先，联立方程在包含潜变量的结构方程模型（SEM）文献中已有提及（e.g., Bollen, 1989b; Kaplan, 2009）。结构方程模型的文献强调利用路径图进行模型设定，完全信息估计以及模型适用的整体评估。但是，由于忽略非递归模型、缺乏对单个方程的评估以及很少讨论非递归模型中的工具变量的质量，联立方程的结构方程模型取向是存在局限性的。许多联立方程的SEM处理几乎无一例外地关注于完全信息估计策略，例如似然估计法。但是有限信息取向（approach）对于一些检验颇为有用，例如模型中单个方程的评估。对于似然法的过分执着使得研究者很难找到评估非递归模型的假设的有效工具。
    另一个联立方程模型的基本取向源自计量经济学传统（e.g. Greene, 2008; Kennedy, 2008; Wooldridge, 2002, 2009）。计量经济学的文献强调联立方程模型与传统回归方法的假设违背之间的联系，强调使用工具变量识别非递归模型以及在更广泛程度上关注有限信息的估计值。但是由于计量经济学关注单个方程，所以它并不强调结果的解释作为多方程模型的组成部分。而且，工具变量评估的范围很少是完善和具有可比性的。
    纵观本书，我们的立场是，诸如两阶段小二乘法之类的有限信息估计并不是过时的方法，因此研究者在使用结构方程软件包时不能将其自然而然地忽略。我们认为对于非递归模型的清晰详尽的描述在如今来看很有必要。随着统计软件的操作越来越便利，如今社会科学家没有必要完全理解非递归模型特点，就可以估计出它们。许多完全信息的估计软件并没有提供对模型方程进行逐个检验的程序以进行模型质量评估。重要的信息包含在了这些模型的简化方程（reduced form）之中；对于那些接受完全信息估计取向的研究者而言，这无疑如同一块黑幕。通过将计量经济学和结构方程取向结合并纳入联立方程模型研究之中，这本书提供了一个“返璞归真”（back to basics）的取向，对那些希望估计非递归模型的研究者很有帮助。本书围绕我们提出的建模过程中的五个步骤展开：设定、识别、估计、评估以及解释。在丛书中相关的一些书集中于一些特定的步骤：例如，Berry（1984）详细描述了识别过程。
    在我们的书中，我们假设读者已经掌握了多元回归分析的知识。如果读者了解SEM的知识，那么他们会获益更多。对SEM的很好的叙述可参见Bollen（1989b）和Kaplan（2009）。我们通常通过路径图、方程或矩阵方程对模型进行展现和讨论。Gill（2006， 第 3章和第4章），Fox （2009）和Namboodiri（1984）对矩阵代数有很好的介绍。关于利用单一模型进行估计的软件，如SAS和Stata，我们也提供了一些例子。