想要掌握因果關(guān)系，讀哪些書最好？

近年來(lái)，研究界和工業(yè)界對(duì)因果關(guān)系相關(guān)算法表現(xiàn)出了濃厚的興趣。不過(guò)，初學(xué)者想要進(jìn)入這一領(lǐng)域還面臨諸多挑戰(zhàn)，他們?nèi)狈χT如對(duì)基本術(shù)語(yǔ)的了解等基礎(chǔ)知識(shí)。

幾十年來(lái)，關(guān)于因果關(guān)系的研究一直是分散的，它們被劃分為多個(gè)子領(lǐng)域，從而導(dǎo)致一個(gè)不好的結(jié)果，即許多新手在進(jìn)入這個(gè)領(lǐng)域時(shí)會(huì)感到「不知所措」和「困惑」。

書籍在傳播知識(shí)方面擔(dān)當(dāng)了重要的角色，它們通俗易懂，可以讓初學(xué)者更快、更好、更省時(shí)地入門因果科學(xué)領(lǐng)域。

本文我們將要介紹 6 本關(guān)于因果關(guān)系的書籍，其中 3 本可以免費(fèi)獲取。

書籍 1《The Book of Why》

這本書由圖靈獎(jiǎng)得主、現(xiàn)代因果關(guān)系之父 Judea Pearl 及其合著者 Dana Mackenzie 共同完成。本書融合了理論、歷史、數(shù)學(xué)和實(shí)踐練習(xí)，其中還穿插著一些故事。書中涵蓋了因果關(guān)系歷史、do-calculus 背后的基本理論，并用具體示例來(lái)介紹，讓讀者更容易接受。

書籍還在 do-calculus 和 potential results 框架之間進(jìn)行了比較，這不僅讓讀者學(xué)習(xí)基礎(chǔ)知識(shí)，還掌握了基本詞匯，幫助他們?cè)诟鼜V泛的因果世界中定位自己。

通過(guò)本書，你將掌握因果關(guān)系的發(fā)展歷史、因果階梯（Ladder）、微積分基礎(chǔ)知識(shí)和因果推斷應(yīng)用等。

書籍 2《Causal Inference in Statistics - A Primer 1st Edition》

本書由 Judea Pearl 、Glymour 等人編寫。雖然只有短短 120 多頁(yè)，但內(nèi)容非常豐富，還提供一些練習(xí)題供讀者練習(xí)。書籍主要涵蓋以下四個(gè)部分：

• 基礎(chǔ)統(tǒng)計(jì)學(xué)和概率論回顧；

• 圖模型介紹；

• 因果中關(guān)于干預(yù)（interventions）的討論；

• 反事實(shí)討論。

閱讀完本書，你將掌握?qǐng)D模型、干預(yù)、后門和前門標(biāo)準(zhǔn)以及逆概率加權(quán)、反事實(shí)等知識(shí)。

書籍 3《Elements of Causal Inference》

這本書由 Peters、Janzig 和 Sch?lkopf 合作完成，涵蓋了純統(tǒng)計(jì)和因果模型之間的差異、因果推斷的假設(shè)、雙變量和多元模型、半監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、域適應(yīng)和時(shí)間序列模型。

讀完本書，你將掌握理論背后的因果發(fā)現(xiàn)方法、二元模型的因果推斷與發(fā)現(xiàn)、多元模型的因果推斷與發(fā)現(xiàn)、因果關(guān)系 vs episodic 強(qiáng)化學(xué)習(xí)、因果關(guān)系和時(shí)間序列。

書籍免費(fèi)獲取地址：https://library./bitstream/id/056a11be-ce3a-44b9-8987-a6c68fce8d9b/11283.pdf

書籍 4《Causality — Models, Reasoning and Inference》

本書由 Judea Pearl 撰寫，涵蓋了圖模型、d 分離、貝葉斯因果模型、結(jié)構(gòu)因果模型、結(jié)構(gòu)方程模型 (SEM)、模型識(shí)別、因果推斷背后的假設(shè)、干預(yù)和反事實(shí)的深入討論、因果概率等。

讀完本書，你將掌握因果推斷背后的假設(shè)、do-calculus、因果發(fā)現(xiàn)、因果概率、干預(yù)和反事實(shí)等相關(guān)知識(shí)。

書籍 5《Causal Inference — The Mixtape》

本書由 Scott Cunningham 撰寫，提供了大量因果推斷的示例，主要包括經(jīng)濟(jì)學(xué)、社會(huì)政策、流行病學(xué)等領(lǐng)域。本書的每個(gè)部分都附有 Stata 和 R 代碼片段，并配有開(kāi)源的 Python 代碼。

本書重點(diǎn)關(guān)注當(dāng)代計(jì)量經(jīng)濟(jì)學(xué)中流行的方法：工具變量、雙重差分和綜合控制估計(jì)量。讀完本書，你將掌握自然實(shí)驗(yàn) 、潛在結(jié)果、斷點(diǎn)回歸、工具變量等知識(shí)。

• Python 代碼地址：https://github.com/scunning1975/mixtape

• 免費(fèi)獲取地址：https://mixtape./

書籍 6《What If?》

這本書由來(lái)自哈佛的 Hernán 、Robins 合作完成，共分為三個(gè)部分：

• 無(wú)模型因果推斷；

• 模型因果推斷；

• 復(fù)雜縱向數(shù)據(jù)的因果推斷。

讀完本書，你將掌握交互（Interactions）、選擇偏差、結(jié)構(gòu)嵌套模型、因果生存分析等相關(guān)內(nèi)容。

免費(fèi)獲取地址為：https://cdn1.sph./wp-content/uploads/sites/1268/2021/03/ciwhatif_hernanrobins_30mar21.pdf

希望這 6 本因果關(guān)系的書籍對(duì)大家有所幫助。

原文鏈接：https://aleksander-molak./yes-six-causality-books-that-will-get-you-from-zero-to-advanced-2023-f4d08718a2dd