社会科学中的识别问题

　　本书提供了一套语言和一系列工具，帮助社会科学研究者从实验或非实验数据找到推测问题的合理范围。作者查尔斯· F .曼斯基借鉴来自犯罪学、人口学、流行病学、社会心理学、社会学以及经济学的例子，生动展示了这套语言和工具的广泛适用性。 在计量经济学、社会学和心理学中，有许多传统的方法来处理因果识别问题。其中一些基本上是统计性质的，使用的是似然函数和无差别参数估计等概念。曼斯基提出将因果识别问题从纯粹的统计概念中分离出来，并以社会和行为科学领域的广泛受众都能接受的方式展现因果识别的逻辑。本书中的很多例子都由真正具有政策重要含义的真实问题驱动。阅读本书对数学的要求不高，作者推导出了关于可识别性的推论，给出了新的见解。 本书各章讨论的主题涵盖范围非常广泛。曼斯基从一个概念性问题——从已有的人口数据推测未来人口数量——入手，深入分析了科学家试图预测干预对结果的影响时所产生的基本选择问题，并展示了如何使用这些工具来研究常见问题，如推断家庭结构对孩子受教育前景的影响以及警察对犯罪率的影响。

　　查尔斯·F.曼斯基（Charles F.Manski），麻省理工学院经济学博士，西北大学经济系校董事会讲席教授，美国科学院院士，英国科学院院士，美国艺术与科学院院士，计量经济学会院士，美国科学促进协会成员，美国经济学会杰出会员，曾任职于美国国家研究委员会。　主要研究领域包括：计量经济学、理性选择理论、判断和决策以及社会政策分析。作为预测和决策方面的专家，他开启了计量经济学“部分识别”（partial identification）研究的大门，将社会互动理论推上了一个新高峰。2015年，其因“对于部分识别的描述和社会互动的经济学分析”而入选“汤森路透引文桂冠奖”。