作者 | 陳大鑫
AI科技評論今天給大家介紹一本有關因果推理的書籍：《Causal Inference: What If 》。
這本書是由哈佛大學教授Miguel A. Hernán和James M. Robins兩位教授合著的新書，即將由CRC出版。
好消息是兩位教授在自己的網站上放出了該書的電子版，一共311頁，讀者可以直接下載PDF免費閱讀。
書籍介紹：走向不那麼隨意的因果推理
《因果推理》是一個公認自命不凡的書名。因果推理是一項複雜的科學任務，它依賴於多個來源的 三角互證（ triangulating evidence）以及各種方法論的應用。任何一本書都不可能全面地描述跨學科因果推理的所有方法。任何因果推理書的作者都必須選擇他們想要強調的因果推理方法論的某些方面。
本書介紹的標題——「走向不那麼隨意的因果推理」反映了本書作者的選擇：這本書幫助科學家生成和分析數據、做出明確的因果推斷，包括因果問題和數據分析的假設。不幸的是，科學文獻被研究所困擾，在這些研究中，很多因果問題往往沒有被明確說明，研究者無法證實的假設也沒有公布。
這種對因果推理的隨意態度導致了科學研究中存在著大量的混亂之處。例如，在研究中發現影響估計難以解釋的研究並不少見，因為數據分析方法無法在研究者的假設（是否聲明）下恰當地回答因果問題（是否明確聲明）。
在這本書中，作者強調需要採取足夠嚴肅的態度來認真對待和闡明因果問題，並描繪數據和因果推理假設的單獨作用。一旦這些基礎建立起來，因果推理就不會太過隨意，還有助於防止科學混淆。
本書描述了各種數據分析方法，以估計在一組特定的假設下，每個變量個體的因果關係。另外本書的一個關鍵信息是，因果推理不能簡化為數據分析的簡單集合。
書籍組織結構
這本書分為難度越來越大的三部分：
第一部分是無模型的因果推理（Causal inference without models，即因果效應的非參數識別）；
第二部分是有模型的因果推理（Causal inference with models，即用參數模型估計因果效應）；
第三部分是複雜縱向數據的因果推理（Causal inference from complex longitudinal data即因果效應的時變估計）。
在全文中，本書穿插了一些要點（Fine Points）和技術點（Technical points）用以詳細闡述正文中提到的某些主題。要點是服務所有讀者，而技術點的設計則是為了那些接受過統計學方面中等程度訓練的讀者設計的。
本書對之前分散在多個學科期刊中的因果推理概念和方法進行了緊湊的介紹。
本書期望對所有做因果推理的專業人士都能有所幫助，包括計算機科學家、流行病學家、統計學家、心理學家、經濟學家、社會學家、政治學家等等。
最後作者指出本書不是一本哲學書，作者仍然對形上學的因果關係概念不甚清晰。本書僅希望通過可操作的因果推理，幫助決策者做出更好的決策。
本書完整目錄：
本書插圖示例：
網站：
https://www.hsph.harvard.edu/miguel-hernan/causal-inference-book/
書籍下載連結：
https://cdn1.sph.harvard.edu/wp-content/uploads/sites/1268/2021/01/ciwhatif_hernanrobins_31dec20.pdf
[贈書福利]
AI科技評論本次聯合【博文視點】為大家帶來15本「《labuladong 的算法小抄》」正版新書。
在1月1日頭條文章《我多篇頂會論文在手，面試AI算法崗時竟然還要刷算法題？| 元旦送書福利》留言區暢所欲言，談一談你刷算法的故事，或你對2020的總結或者是對2021年的規劃和心願，甚至可以是新的一年對AI科技評論的建議和期待，有哪些喜歡看的報導，還希望看到什麼樣的報導？
AI 科技評論將會在留言區選出 15名讀者，每人送出《labuladong 的算法小抄》一本。
活動規則：
1. 在1月1日頭條文章（注意不是本文！）下面留言，留言點讚最高的前 15 位讀者將獲得贈書。獲得贈書的讀者請聯繫 AI 科技評論客服（aitechreview）。
2. 留言內容會有篩選，例如「選我上去」等內容將不會被篩選，亦不會中獎。
3. 本活動時間為2021年1月1日 - 2021年1月7日（23:00），活動推送內僅允許中獎一次。