Source: Which causal inference book you should read
Q1. 想要快速入门还是深入学习?
[ ] 快速入门 - B1-Pearl2016
[ ] 深入学习 - B2-Peters2017
Q2. 是否偏好机器学习/结构学习?
[ ] 是 - B2-Peters2017
[ ] 否 - Q3
Q3. 偏好基础理论还是应用?
[ ] 基础理论 - Q4
[ ] 应用 - Q5
[ ] 中立 - Q8
Q4. 是否喜欢图表?
[ ] 喜欢 - Q6
[ ] 不喜欢 - B3-Imbens2015 OR B4-Rosenbaum2010
[ ] 中立 - Q8
Q5. 更关注哪一方面的应用,流行病学、社会科学还是计量经济学?
[ ] 流行病学 - B5-Hernán2020
[ ] 社会科学 - B6-Morgan2014
[ ] 计量经济学 - B7-Angrist2009
Q6. 是否想快速入门?
[ ] 想 - B1-Pearl2016
[ ] 不想 - Q7
Q7. 是否熟悉 structural causal models(SCMs)并想要精通于此?
[ ] 是 - B8-Pearl2009
[ ] 否 - B2-Peters2017
Q8. 可以根据作者关注的视角来进行选择
[ ] 统计推断 ( statistics ) - B3-Imbens2015 OR B4-Rosenbaum2010
[ ] 机器学习 ( machine learning ) - B2-Peters2017
[ ] 因果图 ( causal graphs ) - B1-Pearl2016
[ ] 流行病学 ( epidemiology ) - B5-Hernán2020
[ ] 社会科学 ( social sciences ) - B6-Morgan2014
[ ] 计量经济学 ( econometrics ) - B7-Angrist2009
书籍详解
⭕ B1-Pearl2016: Causal Inference in Statistics: A Primer ( Pearl et al., 2016 )
这本书对于初学者来说再好不过,对因果推断和合成控制法有清晰明了的介绍,语言较为直白,少有公式或代码,可读性高。第一作者 Pearl 是 UCLA 计算科学的教授,曾获图灵奖,对因果推断做出了许多重要贡献,开创了基于有向图结果的因果推断。作者的另一本书《为什么:关于因果关系的新科学》 ( The Book of Why: The New Science of Cause and Effect ) 或许更为大家所知,感兴趣的读者可以阅读。
豆瓣用户评论“全书一共四章,前两章比较基础,介绍了所有 CI 最基本的理论部分。第三章 intervention,第四章 counterfactual 是属于比较深入的话题。这本书弥补了 book of why 里的技术细节,所有的概念也经由数学语言严格化,解决了很多 book of why 里泛泛而谈造成的细节缺失……”
⭕ B2-Peters2017: Elements of Causal Inference: Foundations and learning Algorithms ( Peters et al., 2017 )
Explanation in Causal Inference: Methods for Mediation and Interaction ( VanderWeele, 2015 ) 适合想要成为中介分析 ( mediation ) 和调节分析 ( interaction ) 领域专家的读者阅读。由于此书目标读者为普罗大众,所以正文部分不是很具有技术性。然而本书的附录几乎包含了读者所有想知道的技术细节,甚至能作为一本单独的书来阅读。此外,本书获得了美国统计协会 2015 年颁布的“ Causality in Statistics Education ”奖项。
Observation and Experiment: An Introduction to Causal Inference ( Rosenbaum, 2017 ) Rosenbaum 除了撰写前文提及的 Design of Observational Studies ( Rosenbaum, 2010 ) 一书,还于 2017 年出版了另一本有关因果推断的书。从博主 Neal 所阅读过的部分来看,这本 2017 年出版的书将比 2010 年的书更易读。下面是 Rosenbaum 对他自己这本书的评价“我在此书中的目标是以更少的技术细节呈现因果推断的相关概念,力求精准和清晰”。
Causation, Prediction, and Search ( Spirtes et al., 2001 ) 本书的前两位作者提出了经典的 PC ( Peter and Clark ) 算法。Pearl 认为这本书的第一版 ( 1993 ) 引入了这样一个概念,即 “ an intervention corresponds to removing all incoming edges to the intervened node in the graph ”。同时,Pearl 还认为这本书的第一次出版明确了调整公式 ( 与罗宾斯 1986 年论文中的相反 )。
Actual Causality ( Halpern, 2016 ) Joseph Halpern 为了厘清 X 对 Y 的影响到底意味着什么,做了大量工作,这使得这本书成为理解某事物为何是其他事物的原因的重要书籍之一。