（以下内容节选自《社会科学中的因果推断》前言部分，有删减） 近年来，因果推断方法无论在理论还是实践层面都有了长足发展，学生对前沿因果推断方法的学习热情也不断高涨。2014年起，我们陆续面向南京大学社会学专业的本科生和研究生开设了因果推断课程，受到了学生的广泛欢迎。随着课程的推进，我们也萌发了将课程内容集结成教材出版的想法。在我们这本教材之前，国内已经出版了几本关于因果推断的教材。但这些教材或者偏重统计原理的数学推导过程，对文科背景的学生不甚友好；或者偏重统计软件操作，对相关原理的介绍不够深入。有感于此，我们决心编写一本理论与应用并重的因果推断教材。与市面上的同类教材相比，本书有以下三个特点：首先，内容全面且紧跟学科前沿。本书不仅介绍了线性回归、协变量匹配、倾向值匹配、倾向值细分和加权等经典因果推断方法，而且对工具变量、断点回归、面板数据、双重差分、合成控制等较为前沿的因果推断方法也有所涉猎。其次，内容深入浅出，尽可能通过案例和通俗易懂的语言将各种因果推断方法的原理讲通讲透。考虑到本书的大部分读者缺乏相关数学背景，我们将尽可能地使用“文字”而非“数字”进行讲解。虽然这有些“不求甚解”，但在我们看来，能用数学之外的语言讲明方法背后的原理是非常重要的。例如，读者在学习本书内容的过程中将逐渐了解到，每种因果推断方法都有假定，这些假定虽然可以用严格的数学语言进行描述，但对研究者来说，更重要的是了解这些假定的实际含义。因为只有这样，我们才能根据具体问题选择最适合的方法进行分析。最后，理论结合应用，本书在对每种因果推断方法的原理及使用条件进行介绍的同时，还将以Stata软件为基础介绍各种方法的软件实现过程和要点。因果推断是一门实用性很强的课程，因此只有在大量练习的情况下才能熟练掌握。除了课堂演示用的案例之外，本书在每章的结尾处都配有练习，并随书提供练习所用数据和命令文件。我们建议读者一边阅读，一边演练书中的案例，并在每章结束时，及时通过练习来巩固本章学习到的知识点。章节安排本书内容分三编，共十三章。上编为基础理论，包括导论、第一章、第二章和第三章，共四章。导论部分将简明扼要地介绍因果推断的核心问题，即内生性问题的定义、主要来源和常见解决办法。然后，我们将在第一章简要回顾因果推断的发展史，并在第二章和第三章分别介绍当代因果推断方法的两大理论基石，即鲁宾(Donald B. Rubin)提出的基于反事实的潜在结果模型和珀尔(Judea Pearl)提出的因果图。中编为基础方法，包括第四章、第五章、第六章和第七章，共四章。这些章节将依次介绍线性回归、协变量匹配、倾向值匹配以及倾向值细分与加权等常规因果推断方法。这些方法有一个共同的使用前提，即所有对因果推断有影响的混杂变量都被观测到，因此，它们都旨在解决“依观测变量的选择”问题。下编为进阶方法，包括第八章、第九章、第十章、第十一章和第十二章，共五章。这些章节将依次介绍工具变量、断点回归、面板数据、双重差分和合成控制这五种较为前沿的因果推断方法。这些方法在满足一些假定的条件下，可以解决“依未观测变量的选择”问题。考虑到基于观察数据的因果分析很难控制所有混杂变量，因此，这些方法在当代因果推断中占据非常重要的位置，并处于不断发展之中。
