目錄
前言 1
第一部分 理解行為
第1 章 數(shù)據(jù)分析因果?C 行為框架 15
1.1 為什么需要因果分析解釋人類行為.16
1.1.1 不同分析類型 16
1.1.2 人是復(fù)雜的 17
1.2 混淆！用回歸解決問題的潛在危險(xiǎn).20
1.2.1 數(shù)據(jù) 21
1.2.2 為什么相關(guān)關(guān)系不是因果關(guān)系：混雜因素的作用 .22
1.2.3 太多變量可能壞事 .24
1.3 小結(jié) .30
第2 章 理解行為數(shù)據(jù) 31
2.1 人類行為基本模型 32
2.1.1 個(gè)人特征 .33
2.1.2 認(rèn)知和情感 35
2.1.3 意圖 37
2.1.4 行動(dòng) 38
2.1.5 業(yè)務(wù)行為 .39
2.2 如何連接行為和數(shù)據(jù) 40
2.2.1 建立一種行為完整性思維模式 .41
2.2.2 不信任與驗(yàn)證 42
2.2.3 識(shí)別類別 .43
2.2.4 細(xì)化行為變量 45
2.2.5 了解上下文 46
2.3 小結(jié) .49
第二部分 因果圖和去混雜
第3 章 因果圖介紹 53
3.1 因果圖和因果?C 行為框架 54
3.1.1 因果圖表示行為 55
3.1.2 因果圖表示數(shù)據(jù) 56
3.2 因果圖的基本結(jié)構(gòu) 61
3.2.1 鏈?zhǔn)浇Y(jié)構(gòu) .61
3.2.2 分叉結(jié)構(gòu) .65
3.2.3 對(duì)撞結(jié)構(gòu) .68
3.3 因果圖的常見轉(zhuǎn)換 69
3.3.1 劃分/ 拆解變量 69
3.3.2 聚合變量 .71
3.3.3 關(guān)于環(huán) 73
3.3.4 路徑 77
3.4 小結(jié) .79
第4 章 從頭構(gòu)建因果圖 .81
4.1 業(yè)務(wù)問題和數(shù)據(jù)準(zhǔn)備 82
4.1.1 數(shù)據(jù)和包 .83
4.1.2 理解感興趣的關(guān)系 .83
4.2 識(shí)別要包含的候選變量 .85
4.2.1 行動(dòng) 87
4.2.2 意圖 88
4.2.3 認(rèn)知和情感 90
4.2.4 個(gè)人特征 .91
4.2.5 業(yè)務(wù)行為 .93
4.2.6 時(shí)間趨勢 .94
4.3 根據(jù)數(shù)據(jù)確認(rèn)要包含的可觀察變量.95
4.3.1 數(shù)值變量間的關(guān)系 .97
4.3.2 分類變量間的關(guān)系 100
4.3.3 數(shù)值與分類變量間的關(guān)系 103
4.4 交互擴(kuò)展因果圖 .105
4.4.1 明確未觀察變量的代理 .106
4.4.2 明確進(jìn)一步原因 107
4.4.3 迭代 .107
4.5 簡化因果圖 107
4.6 小結(jié) 109
第5 章 數(shù)據(jù)分析中使用因果圖去混雜 111
5.1 業(yè)務(wù)問題：冰淇淋和瓶裝水銷售 112
5.2 析取原因規(guī)則 114
5.2.1 定義 .114
5.2.2 第一個(gè)模塊 .115
5.2.3 第二個(gè)模塊 .117
5.3 后門規(guī)則. 118
5.3.1 定義 .118
5.3.2 第一個(gè)模塊 .121
5.3.3 第二個(gè)模塊 .122
5.4 小結(jié) 124
第三部分 魯棒數(shù)據(jù)分析
第6 章 處理缺失數(shù)據(jù) 127
6.1 數(shù)據(jù)和包.129
6.2 缺失數(shù)據(jù)可視化 .130
6.2.1 缺失數(shù)據(jù)量 .133
6.2.2 缺失的相關(guān)性 .135
6.3 診斷缺失數(shù)據(jù) 141
6.3.1 缺失的原因：Rubin 分類 .144
6.3.2 診斷MCAR 變量 .147
6.3.3 診斷MAR 變量 .148
6.3.4 診斷MNAR 變量 .151
6.3.5 缺失性范圍 .153
6.4 處理缺失數(shù)據(jù) 157
6.4.1 多重插補(bǔ)（MI）簡介 .158
6.4.2 默認(rèn)插補(bǔ)方法：預(yù)測均值匹配 161
6.4.3 從PMM 到正態(tài)插補(bǔ)（僅R）163
6.4.4 增加輔助變量 .165
6.4.5 增加插補(bǔ)數(shù)據(jù)集數(shù)量167
6.5 小結(jié) 168
第7 章 使用Bootstrap 測量不確定性 . 171
7.1 Bootstrap 簡介：自“引導(dǎo)” 172
7.1.1 包 .172
7.1.2 業(yè)務(wù)問題：有一個(gè)異常值的小數(shù)據(jù) 172
7.1.3 樣本均值的Bootstrap 置信區(qū)間 174
7.1.4 Bootstrap 置信區(qū)間用于自定義統(tǒng)計(jì)分析 .180
7.2 Bootstrap 用于回歸分析 .182
7.3 何時(shí)使用Bootstrap 185
7.3.1 傳統(tǒng)中心估計(jì)的充分條件 186
7.3.2 傳統(tǒng)CI 的充分條件 187
7.3.3 確定Bootstrap 樣本數(shù) 190
7.4 R 和Python 中優(yōu)化Bootstrap 191
7.4.1 R：boot 包 192
7.4.2 Python 優(yōu)化 .194
7.5 小結(jié) 196
第四部分 設(shè)計(jì)和分析實(shí)驗(yàn)
第8 章 實(shí)驗(yàn)設(shè)計(jì)：基礎(chǔ) 199
8.1 計(jì)劃實(shí)驗(yàn)：改變理論 200
8.1.1 業(yè)務(wù)目標(biāo)和目標(biāo)指標(biāo)201
8.1.2 干預(yù) .203
8.1.3 行為邏輯 205
8.2 數(shù)據(jù)和包.208
8.3 確定隨機(jī)分配和樣本量/ 功效 .208
8.3.1 隨機(jī)分配 209
8.3.2 樣本量和功效分析 212
8.4 分析和解釋實(shí)驗(yàn)結(jié)果 227
8.5 小結(jié) 230
第9 章 分層隨機(jī)化 233
9.1 計(jì)劃實(shí)驗(yàn).235
9.1.1 業(yè)務(wù)目標(biāo)和目標(biāo)指標(biāo)235
9.1.2 干預(yù)定義 237
9.1.3 行為邏輯 238
9.1.4 數(shù)據(jù)和包 238
9.2 確定隨機(jī)分配和樣本量/ 功效 .239
9.2.1 隨機(jī)分配 240
9.2.2 使用Bootstrap 模擬的功效分析 249
9.3 分析和解釋實(shí)驗(yàn)結(jié)果 256
9.3.1 鼓勵(lì)干預(yù)的意向性估計(jì) .257
9.3.2 強(qiáng)制干預(yù)的CACE 259
9.4 小結(jié) 265
第10 章 聚類隨機(jī)與層次建模 267
10.1 計(jì)劃實(shí)驗(yàn) 268
10.1.1 業(yè)務(wù)目標(biāo)和目標(biāo)指標(biāo) 268
10.1.2 干預(yù)定義 268
10.1.3 行為邏輯 270
10.2 數(shù)據(jù)和包 270
10.3 分層建模介紹 271
10.3.1 R 代碼 .272
10.3.2 Python 代碼 275
10.4 確定隨機(jī)分配和樣本量/ 功效 277
10.4.1 隨機(jī)分配 278
10.4.2 功效分析 280
10.5 分析實(shí)驗(yàn) 288
10.6 小結(jié) 289
第五部分 行為數(shù)據(jù)分析高級(jí)工具
第11 章 調(diào)節(jié) 293
11.1 數(shù)據(jù)和包 294
11.2 調(diào)節(jié)的各種行為 294
11.2.1 細(xì)分 295
11.2.2 相互作用 302
11.2.3 非線性 .303
11.3 如何應(yīng)用調(diào)節(jié) 306
11.3.1 何時(shí)需要調(diào)節(jié) 307
11.3.2 多調(diào)節(jié)量 318
11.3.3 用Bootstrap 驗(yàn)證調(diào)節(jié) .324
11.3.4 解釋單個(gè)系數(shù) 327
11.4 小結(jié) 333
第12 章 中介和工具變量 . 335
12.1 中介 336
12.1.1 理解因果機(jī)制 336
12.1.2 因果偏差 338
12.1.3 識(shí)別中介 339
12.1.4 度量中介 341
12.2 工具變量 346
12.2.1 數(shù)據(jù) 347
12.2.2 包 347
12.2.3 理解和分析IV .347
12.2.4 度量 350
12.2.5 應(yīng)用IV：常見問題 354
12.3 小結(jié) 355
參考文獻(xiàn) 357