《勇敢者的因果推断》#

img

一种轻松而严谨的学习影响评估和敏感性分析的方法。全部使用 Python,并尽可能多地加入了我找到的梗图。

本书的第一部分包含因果推断的核心概念和模型。你将学习如何用潜在结果符号表示因果问题,了解因果图,什么是偏差以及如何处理它。这里的大部分内容都是成熟的。这是我从书籍、大学课程和在线课程中找到的材料的大杂烩。你可以将第一部分视为你因果探究的坚实而安全的基础。

第二部分(进行中)包含因果推断在(主要是科技)行业中的现代发展和应用。虽然第一部分主要关注识别平均处理效应,但第二部分转向了个性化以及使用 CATE 模型进行异质性效应估计。那里写的大部分内容都是基于我的个人经验,绝非成熟科学。它更加实验性,也可能随时变化,毕竟,我也在学习。

致谢#

我想将整个系列视为对 Joshua Angrist、Alberto Abadie 和 Christopher Walters 的致敬,感谢他们那门令人惊叹的计量经济学课程。第一部分的大部分思想都取自他们在美国经济协会的课堂。在艰难的 2020 年,正是观看他们的课程让我保持理智。

我也想提及 Angrist 先生的那些精彩著作。它们让我明白计量经济学,或者像他们所说的“Metrics”,不仅极其实用,而且充满乐趣。

我的最后一位参考是 Miguel Hernan 和 Jamie Robins 的著作。它是我解答最棘手的因果问题时最可靠的伙伴。

贡献#

《勇敢者的因果推理》是一本关于因果推理的开源材料,它是科学统计的一部分。它只使用免费的软件,基于 Python。它的目标是让经济上和智力上都能获得访问。如果你觉得这本书很有价值并希望支持它,请前往 Patreon。如果你还没有准备好进行经济贡献,你也可以通过修正错别字、提出编辑建议或对那些你不理解的段落提供反馈来帮助。只需前往书籍的存储库并打开一个问题 。最后,如果你喜欢这些内容,请与其他可能觉得有用的人分享,并在 GitHub 上给它一个星标