埃里克•诺伊迈耶（Eric Neumayer）：伦敦政治经济学院环境与发展学教授。主要研究领域为环境经济学、国际政治经济学和定量研究方法。

托马斯•普吕佩尔（Thomas Plümper）：维也纳经济大学定量社会科学教授。主要研究领域为政治经济学、政治科学和社会科学方法论。

两位作者均在《美国卫生杂志》（American Journal of Public Health）、《美国地理学协会年鉴》（Annals of the American Association of Geographers）、《国际组织》（International Organization）、《政治分析》（Political Analysis）及《世界发展》（World Development）等全球顶*期刊上发表过文章。                                                                                                                              韩永辉：中山大学岭南（大学）学院经济学博士、中国社会科学院世界经济与政治研究所博士后。现任广东外语外贸大学副教授、博导。在《经济研究》等国内外权威期刊发表论文80余篇。

谭锐：中山大学岭南（大学）学院经济学博士，现任华南理工大学公共政策研究院副研究员。长期从事城市经济、产业结构、房地产市场领域的相关研究，已在《经济学动态》《中国软科学》《经济评论》《经济学报》《公共行政评论》《China：An International Journal》等重要期刊上发表论文及译作10余篇。

在设定估计模型时，研究者面临的不确定性威胁着推断的有效性。在基于观测数据的回归分析中，“真实模型”是未知的，研究者只能从貌似合理的替代性设定中进行选择。稳健性检验方法能够帮助研究者探究如下问题，即在模型设定合理变化的情形下，主要估计量是否保持稳健。这本非常易读的书介绍了稳健性检验的逻辑思路，提供了稳健性概念的操作化定义，它可以应用于所有定量研究中。书中还向读者介绍了多种类型的稳健性检验，各章聚焦于模型不确定性的不同方面，作者系统地回顾了现有的检验方法，并发展出很多新的方法。无论是总体或样本、测量方法、解释变量集及其函数形式、因果或时间异质性、动态效应或空间依存性中的哪种不确定性，本书都将给予相关的指导，并为社会科学研究者提供可应用于他们研究中的检验方法。

我们认为，基于观测数据的回归分析将会一直是社会科学研究方法工具的核心。从宽泛的定义来说 ，对观测数据进行回归分析的主要问题的难题在于，为了得出无偏和一般化的估计量，估计模型必须被正确设定，估计量对于手头上可用的数据必须是无偏的，此外，用于估计的样本必须是从界定清晰的总体中随机抽取出来的。

社会科学家知道这些理想状态是无法达到的。真实社会现象的实证模型很难或者说从来无法就不可能被正确地设定。更完善的理论、诊断性的计量经济学检验、更多的方法论建议、更周密的抽样、经验、甚至常识，都可以用于设定估计模型，以及创造用于分析的观测样本。然而，这个世界太复杂了，社会科学家的兴趣、人的本性及其在各种层次上的互动都使得社会科学家难以达到正确设定模型的理想状态以设定出正确的模型，即与真实数据生成过程非常匹配的模型。我们认为，社会科学家可获得的数据的信息是有限的，在此这种情况下，他们并不追求发展出一个与真实数据生成过程完全匹配的模型。相反，基于简约性原则，最优模型设定必须在简化与普遍性适之间权衡，基于简约性原则，因此要忽略许多复杂的情况要忽略掉。实证模型无法在简化的同时又抓住真实的数据生成过程。不过，对于每一个研究问题，总有一个关于真实数据生成过程的最优简化模型，社会科学家应当尽力用他们已有的理论和方法工具来设定基准模型。但是并不能保证最优基准模型与“真实的模型”足够相似接近，从而得到非常确定的有效推断。

稳健性检验为模型的不确定性提供了一个或者唯一的答案，研究者在设定模型时面临的不确定性要求研究者在简化和普遍性适之间进行最优选择，稳健性检验能为模型的不确定性提供一个或者唯一的答案。面对不确定性的维度是多元的维度，以及而每个维度上又有近乎无限的类型，一个模型要求必须做出抉择——。即使被证明是正确的，对设定的选择仍可以被合理地改变。对于貌似合理的备选模型设定，稳健性检验能够让帮助社会科学家探索他们探究估计量的稳定性。换句话说，稳健性检验分析的是，因模型不确定性而导致的使估计结果发生变异的程度。当然，模型的不确定性仅仅是导致错误推断的潜在原因之一。，其他对统计推断的重要的挑战来自于抽样变异，以及在关于估计量做出的假设与真实的数据生成过程之间缺乏完美的拟合。在我们看来，模型的不确定性极有可能导致无效推断，这使得如此一来，稳健性检验就成为实证研究者提高他们推论断有效性的最重要的方法。

稳健性检验能够降低模型不确定性对推断的影响。稳健性检验并不能奇迹般地把不确定性和可能无效的推断奇迹般地转变为变成确定而有效的推断。相反，它只是揭示了点估计量的不确定性——因为估计量依赖于模型的设定。更重要的是，稳健性检验挑战了社会科学研究方法中已经建立的逻辑——试图用模型完美地拟合数据生成过程——。稳健性检验接受模型设定中的不确定性，并且想弄清楚被估计的估计量和最终推断在多大程度上取决于模型设定。

 分析模型设定对估计量的影响并不是稳健性检验提高推断有效性的唯一方法。即使估计量不是稳健的，研究者还可以分析稳健性缺失的原因。这样，稳健性检验可以使模型估计有更高的几率得到有效的推断。所有这些检验方法对个人或集体的学习过程都是有用益的，即使检验发现估计量被发现并不是稳健的，有时候也特别有用，因为这带来了意味着新的研究挑战与机遇。通过识别实证结果中的稳健性限制，研究议程会受益匪浅。

但并非所有情况都是好的。不幸的是，目前稳健性检验的应用并没有发挥出它的全部潜力。社会科学家喜欢使利用稳健性检验来提高他们文章通过审稿人评审和被编辑采用的几率，而不是因为他们想要探讨模型设定的不确定性造成的后果，以及他们分析中存在的稳健性不足问题。实践中，所有报告的检验结果都是，：对于模型设定的变化，研究的发现确实是稳健的，但。很少有作者向读者说明他们的稳健性检验有什么含义。如果我们不知道稳健性的含义，也就无法知道结果稳健意味着什么。

1.1贡献

  本书通过三种重要的方式对稳健性检验方法的新兴领域做出了贡献。第一，我们指出，社会科学家研究的现象具有因果复杂性，它严重限制了推断的有效性。我们解释了为什么所有的模型都要进行简化，并因此以及简化模型为什么无法准确地描绘特别复杂的而真实的数据生成过程。这就产生了关于两类不确定性：哪个模型提供了最佳的简化方式？基于从研究者偏好的模型，或者说，从基准模型得出的推断有效吗？。

第二个贡献在于，我们发展了“稳健性检验是一种关键方法”的逻辑，它可以帮助实证研究者处理模型不确定性，并由此提高他们模型推断的有效性。我们给出了稳健性的可操作化定义和稳健性检验的类型体系。尽管大多数社会科学家似乎都懂得了解统计显著性意义上的稳健性概念，但我们仍要提出一个基关于效应大小稳定性的稳健性定义。正如本书在第4章中讨论的，我们的定义有很多有用的特性。它不仅可以灵活地应用于频率统计分析，还可以应用于贝叶斯统计技术。这里需要指出的是，我们所有的例子都使用频率估计方法。此外，稳健性检验是关于模型设定的，而不是一种具体的估计方法。正如我们在第6章中所讨论的，没有哪种方法可以形成完全有效的推论。每种设计、程序或估计技术都要保证结果服从于合理的替代设定，以探索考察这些做法能否生成足够相似（稳健）的估计量。对于观测数据的回归分析，探索讨其替代方案的稳健性检验超出了本书的范围。我们把这个稳健性检验的重要方面留给未来后来者研究。

第三个贡献在于，对于每个模型设定的每个维度，我们指明了主要的不确定性及其对推断的挑战是什么。我们收集并系统地整理了现有的处理各种不确定性的稳健性检验，我们也发展出许多新的检验，至少，这些检验我们在以往的文献中还没有看到出现过。在这方面，本书试图展示稳健性检验的领域是丰富而多样的，远比与过去社会科学家所使用的数量有限的检验方法相比，其数量要丰富得很多。总之，本书旨在提高稳健性检验的能力，以及改进稳健性检验在社会科学中的应用。本书希望克服大多数实证研究者对关于模型变异检验的狭隘视野，并向他们展示其他类型的稳健性检验所具有的巨大潜力。如果能实现这两个目标，那么基于观测数据的回归分析就能显著地提升其它的有效性。

中文版推荐序     唐世平

致  谢 xi

稳健性检验列表  Ⅰ

第1章 导论 1

1.1本书贡献 3

1.2本书概览 4

第一部分 稳健性——一个概念性的框架 11

第2章 因果复杂性及推断有效性的局限 11

2.1 引言11

2.2 社会科学研究与因果推断 13

2.3 因果复杂性 14

2.4 从模型误设到模型不确定性和稳健性检验 17

2.5 稳健性检验和因果推断 18

2.6  小节  21

第3章 稳健性检验的逻辑 23

3.1 引言 23

3.2 社会科学研究中的稳健性检验 24

3.3 稳健性检验的四个系统性步骤 28

3.4 稳健性的多维性 30

3.5 稳健性检验的目的和目标 31

3.6 总结 33

第4章 稳健性的概念 35

4.1 引言 35

4.2 当前实践中的稳健性定义与概念 36

4.3 定义稳健性 37

4.4 连续稳健性与二分稳健性 46

4.5 稳健性和统计显著性 47

4.6 非线性模型和线性模型的局部稳健性 50

4.7 小结 52

第5章 稳健性检验的类型 53

5.1 引言 53

5.2 模型变异检验 54

5.3 随机置换检验 56

5.4 结构置换检验 58

5.5 稳健性极限检验 60

5.6 安慰剂检验 64

5.7 小结 67

第6章 稳健性检验的替代方案？ 69

6.1 引言 69

6.2 模型设定检验 70

6.3 模型选择算法 72

6.4 模型平均 73

6.5 案例选择研究设计 75

6.6 利用工具变量估计进行效应隔离 77

6.7 社会科学实验 79

6.8 小结 82

第二部分：稳健性检验和模型不确定性维度 87

第7章 总体和样本 87

7.1 引言 55

7.2 演绎性和归纳性总体与选择问题 89

7.3 总体不确定性和稳健性检验 93

7.4 样本不确定性和稳健性检验 101

7.5 观测缺失导致的样本不确定性 107

7.6 小结  111

第8章 概念有效性和测量 113

8.1 引言 113

8.2 测量，计数和量化 115

8.3 概念有效性的不确定性：代理变量的作用 117

8.4 代理变量的稳健性检验 121

8.5 测量误差 124

8.6 测量误差的稳健性检验 127

8.7 小结 132

第9章 解释变量和遗漏变量 134

9.1 引言 134

9.2 控制变量的取舍 136

9.3 未知和不可观测的遗漏变量 138

9.4 潜在遗漏变量的稳健性检验 140

9.5 小结 147

第10章 默认函数形式之外 149

10.1 引言 149

10.2 标准操作：在“测量”和随意变换之间 151

10.3 连续变量的多项式稳健性检验模型 154

10.4 连续变量和顺序变量的半参数稳健性检验模型 158

10.5 小结 161

第11章 因果异质性与环境条件性 162

11.1 引言 162

11.2 异质性与模型简化的逻辑 164

11.3 因果异质性的稳健性检验 167

11.4 环境条件性的稳健性检验 173

11.5 小结 178

第12章 作为时间异质性的结构性变化 182

12.1 引言 182

12.2 从结构性变化到时间异质性 185

12.3 效应强度时间异质性的稳健性检验 188

12.4 小结 194

第13章 效应动态机制 196

13.1 引言 196

13.2 “动态性”的意义：分类 198

13.3 动态设定的不确定性 200

13.4 时间块检验 203

13.5 动态模型备选设定检验 204

13.6 检验替代效应的起点、持续时间和强度的时间变化 205

13.7 动态异质性 209

13.8 小结 211

第14章 空间相关性和依存性 217

14.1 引言 217

14.2 空间依存理论 219

14.3 将空间依存性视为障碍 220

14.4 作为研究对象的空间依存性 221

14.5 加权矩阵的设定 227

14.6 小结 233

第15章 总结 236

参考文献 239

英汉名词对照表  259