经济学实证研究中，处理变量或感兴趣的经济变量常常是内生的。工具变量常被用来估计内生处理效应。大量工具变量可以被用来提高工具变量估计量的精确性，但是，弱工具变量的使用会使得工具变量估计量存在较大偏误。本书建议用变量选择方法剔除弱工具变量后再估计感兴趣内生变量的最优工具变量。甚至当潜在工具变量的维度大于样本量时，该方法依然有效。若潜在控制变量的维度也很大，本书建议采用双选法从大量潜在控制变量中筛选出合适的控制变量。

1 导论
1.1 研究背景
1.2 研究问题、意义和创新
1.2.1 研究问题
1.2.2 研究意义
1.2.3 研究创新
1.3 本书研究结构
2 文献综述
2.1 估计内生处理效应的方法
2.2 存在大量潜在控制变量时感兴趣变量系数的估计
2.2.1 基于完美模型选择假设的方法
2.2.2 用正交距条件估计感兴趣的变量系数
2.2.3 双选法(Double-Selection)
2.2.4 分样本估计
2.2.5 主成分法降低控制变量维度
2.3 弱工具变量、许多工具变量带来的问题及处理方法和检验方法
2.3.1 弱工具变量导致的问题及改进的估计方法
2.3.2 许多工具变量带来的问题及处理方法
2.3.3 检验方法
2.4 时变结构下许多弱工具变量问题
2.5 有待进一步研究之处
3 基于许多工具变量和双选的内生处理效应估计
3.1 研究目的
3.2 方法和DS-IV估计量
3.2.1 模型设定
3.2.2 双选加工具变量估计量
3.3 理论性质
3.4 数值模拟
3.5 实证研究
3.5.1 受理上诉法庭保护私有者土地权益的判决对房价的影响
3.5.2 教师家访对学生学业表现的处理效应
3.6 本章附录
4 基于Logistic约简形模型和双选的二元内生平均处理效应估计
4.1 研究目的
4.2 方法
4.2.1 模型设定
4.2.2 双选加Logistic回归工具变量估计量(DS-LIVE)
4.3 理论性质
4.4 数值模拟
4.5 教师家访对学生学业表现的处理效应
4.6 本章附录
5 基于Logistic可加模型和双选的二元内生平均处理效应估计
5.1 研究目的
5.2 方法
5.2.1 模型设定
5.2.2 双选加Logistic可加工具变量估计量(DS-LAIVE)
5.3 理论性质
5.4 数值模拟
5.5 身体健康状态与个人收入
5.6 本章结论
5.7 本章附录
6 基于比例优势模型和双选的内生有序变量系数估计
6.1 研究目的
6.2 方法
6.2.1 模型设定
6.2.2 DS-POIVE估计量
6.3 理论性质
6.4 数值模拟
6.5 父母身体健康水平对儿童学习成绩的影响
6.6 结论
6.7 本章附录
7 结论与研究展望
7.1 结论
7.2 研究展望
参考文献
后记