【導讀】哈佛大學公共衛生學院（HSPH）Miguel Hernan與Jamie Robins 教授共同編著了關於因果邏輯推斷方面的書作《Causal Inference: What If》，總共分3個部分，22章，311多頁，對因果推理的概念和方法做了系統性闡述，是各個領域包括經濟學、健康醫療、心理學、計算機等從業人士的重要參鑑材料。
地址：
https://www.hsph.harvard.edu/miguel-hernan/causal-inference-book/
在本書中，我們強調需要足夠認真對待因果問題，才能明確表述它，我們還區別了數據和因果推斷假設的不同作用。一旦建立了這些基礎，因果推斷就必然變得不那麼隨意，這有助於防止混淆。然後，本書描述了各種數據分析方法，這些方法可用於在收集一組人口中每個個體的數據時，在一組特定的假設下估算感興趣的因果關係。本書的一個關鍵信息是，因果推斷不能簡化為用於數據分析技巧的集合。
本書分為三個難度越來越大的部分：第一部分講述沒有模型的因果推斷（即，因果關係的非參數辨識），第二部分是關於模型的因果推論（即，通過參數化模型對因果關係的估計），第三部分從複雜的縱貫數據中得出因果關係的推斷（即，估算時變處理的因果關係）。全書還專門設置了很多要點（Fine Points）和技術點（Technical points），解釋了正文中提到的某些主題。要點針對所有讀者，而技術點則是為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斷概念和方法進行了緊湊的介紹。我們希望對因果推斷感興趣的任何學科的讀者都能有所裨益，例如流行病、統計學、心理學、經濟學、社會學、政治學、計算機科學。
第 1-10 章重點講述一些基本概念，通過大量的簡單實例和圖形的方式，深入淺出地介紹了因果推斷中的核心概念和方法。第 11-18 章講述了各種各樣用於進行因果推斷的模型，包括工具變量法 (IV)、傾向得分匹配分析 (PSM)、調節效應、結構方程等。第 19-25 章介紹了較為複雜的情形，如面板數據、 動態處理效應、反饋效應等。
目錄內容：
第一部分 無模型的因果推斷
1 A definition of causal effect 32 Randomized experiments 133 Observational studies 256 Graphical representation of causal effects 6910 Random variability 123
第二部分 有模型的因果推斷
第三部分 複雜縱向數據因果推斷
19 Time-varying treatments 235 20 Treatment-confounder feedback 24721 G-methods for time-varying treatments 25722 Target trial emulation 277
專知便捷查看
便捷下載，請關注專知公眾號（點擊上方藍色專知關注）