本章的核心内容是反事实的因果推论框架。可以说，目前哲学也好，心理学也好，统计学也好，基本上绝大多数的经验导向的学科在做因果推断的时候，大家普遍采取的一个分析框架就是反事实的分析框架。因此，本章的内容可以说是非常基础性的理论。
在这一部分，主要讲四个问题。其一，什么是因果关系。这是一个基本的定义问题。做因果推断，我们首先就要确定什么样的关系可以称得上因果关系。其二，在定义好因果关系之后，下一个问题是如果要确定因果关系的话，需要满足什么条件。这里需要强调的是，任何统计模型都是在特定的条件下才成立的。比如，大家都知道最小二乘回归模型，需要满足线性关系假设。如果这个假设不满足，那么线性回归模型就不是那么可靠。比如，自变量和响应变量之间的关系有可能不是线性的，而是曲线关系，或者是波浪形关系，此时，我们的模型成立的假设前提就不满足了。后续即使做了工作，都将是无用功。同理，为了确定因果关系，我们需要满足一些基本假设。如果这些假设不成立，那么具体的分析技术，例如倾向值、回归断点设计等都会受到质疑。所以这一部分的内容是非常重要的。其三，我们简要讨论什么变量可以作为处理变量，或者英文表述为treatment variable。我们可以把处理变量理解成自变量，以此和响应变量进行区分。只是，我们通常所谈的自变量和响应变量更多强调的是相关关系情况下的变量联系，或者在控制了一些控制变量后的偏相关关系。这里将自变量命名为处理变量，更多的是和公共卫生领域的研究相呼应，以求和响应变量（response variable）进行对应，强调的是因果关系。从定义上看，处理变量就是给个体一个干预，看结果是什么。在这部分的讨论中，我们所要回答的问题是，什么样的变量可以作为处理变量。其四，我们将讨论“结果的原因”和“原因的结果”两种研究范式的区分。这两个短语听起来很拗口，但彼此之间的差异很大。这里提到两者的区分，目的是希望推动读者去进一步的思考，自己在做的研究属于哪种性质的研究，多大程度是在科学性上讲是可靠的，多大程度上具有一般意义的科学研究价值。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
