吴晓刚，美国加州大学洛杉矶分校（UCLA），香港科技大学社会科学部助理教授、香港科技大学应用社会经济研究中心主任。主要研究领域为社会分层与流动、劳动力市场与经济社会学、教育、社会人口学、统计学和定量研究方法。多扩展论文发表于American Journal of Sociology、American Sociological Review、Social Forces等国际著名专业杂志上。2006年“以精辟数据研究中国社会”获美国社会学亚洲人／亚裔美国人“青年学人”奖。目前担任多家英文学术期刊的编委和SSCI期刊Chinese Sociological （CSR）的主编。
    香港科技大学应用社会经济研究中心（CASER）成立于2009年12月。中心倡导以定量社会科学研究为主，兼容多种研究方法，结合多学科视角，对中国面临的重大社会经济问题及其对人民生活福祉的影响进行实证研究。中心的研究项目涉及教育、就业、不平等、贫困、移民、健康等等。中心主持了“香港社会动态追踪调查”，并与中国人民大学合作，参与“中国教育追踪调查”。中心强调研究的科学性、独立性和社会意义，并期望通过讨论会和工作坊以激发讨论，将研究成果与更多的公众分享。

    《因果关系模型》由五种讨论因果关系模型的小册子组成，分别是《非递归因果模型》、《用面板数据做因果分析》、《中介作用分析》、《多层次模型》以及《潜变量增长曲线模型》。《因果关系模型》主要介绍社会学研究方法之一，即因果关系模型。因果关系模型是社会科学研究中较常用的分析模型，该书通过介绍非递归因果模型、适用于因果分析的面板数据，对数据分析中常见的变量的中介作用进行阐述，对研究中普遍出现的多层次效应的使用进行讨论，以弥补普通最小二乘法在研究应用中的不足。作者还向研究者提供了一个与多层次增长模型相关的、社会科学量化应用的新方法——潜变量增长曲线模型，为研究者提供了深入了解和学习因果关系模型的途径。

    统计系数表明，我们并没有理由拒绝模型1而选择模型2或模型3。在模型拟合的3个数据中，贝叶斯信息准则最能区分最优模型。由于贝叶斯信息在选择最小离差的基础上考虑样本量的影响，所以其优势在处理大样本数据时更明显。由于模型1具有最小的贝叶斯信息值，因而模型1即最优模型。
    此处纵向数据的模型建构步骤大致类似我们之前用到的多层次模型。然而，处理纵向数据还需考虑另一个重要问题。在非纵向数据中，我们总是假设误差的正态分布以及独立性，但独立性假设却常常不适用于纵向数据。因此，研究者需为纵向数据选择一个合适的误差替代结构。大部分软件可以模拟这一结构，虽然为了使用者的方便，这些结构的设置各不相同。
    表3.8就3种不同的协方差结构向我们展示了模型1的拟合优度指标。最一般的误差结构是无限制或非结构化的，它对误差项不进行任何假设，因而允许任何形式的相关性误差存在。无限制的协方差结构总是会得出最大的随机参数值，这是因为每一段时间间隔都会由数据估计出独立的协方差。所以，尽管无限制误差模型的离差总是最小，但它却是最不简约的模型。同时，对误差结构进行一定限制的模型不仅在理论上更为合理，而且也更易于估计。综上所述，无限制模型更多地被作为基线模型和其他模型相比较。
    我们一般不会在模型中假设所有协方差完全变动的情况，相反，我们会假设不同时间间隔的协方差为常数，或者假设不同时点间的相关是同一个值。这一较为严格的假设被称做“同质误差”，它等同于重复测量单变量方差分析（ANOVA）中的“复合对称性”假设。这一假设由于其简约化特征而十分具有吸引力，其模型总是使用最少的参数。然而，复合对称性这一强假设并不总是能够拟合现实世界的数据。

非递归因果模型
序
第1章 导论
第2章 可辨识性问题
第3章 可辨识性的检验
第4章 修改不可辨识模型
第5章 估计方法
第6章 结论
附录
注释
参考文献
译名对照表

用面板数据做因果分析
序
第1章 导论
第2章 用面板数据对变化进行建模
第3章 交互因果模型
第4章 测量误差模型
第5章 虚假相关及自相关的扰动项
第6章 关于在面板分析中进行因果推论的结语
附录
注释
参考文献
译名对照表

中介作用分析
序
第1章 中介作用简介
第2章 中介作用分析的基本方法
第3章 用结构方程模型来分析中介作用：测量模型
第4章 用结构方程模型来分析中介作用：结构模型
第5章 高级议题
第6章 结论
附录
注释
参考文献
译名对照表

多层次模型
潜变量增长曲线模型