因果推断英文书单整理及简介

因果推断英文书单整理及简介@[TOC](

1. book1: Causal Inference: What If[2020]
2. book2: Causal Inference: THE MIXTAPE(V.1.7)[2018] book2 code
3. book3: Advanced Data Analysis from an Elementary Point of View [2017]
4. book4: Elements of Causal Inference Foundations and Learning Algorithms[2017]
5. book5: CAUSAL INFERENCE IN STATISTICS: A PRIMER[2016]
6. book6: Causal inference for statistics, social, and biomedical sciences : an introduction[2015]
7. book7: Mastering ’Metrics The Path from Cause to Effect [2015]
8. book8: Explanation in Causal Inference:Methods for Mediation and Interaction[2015]
9. book9:CAUSALITY , PROBABILITY , AND TIME [2013]
10. book10: Design of Observational Studies[2010]
11. book11: CAUSALITY: Models,Reasoning,and Inference (2nd)[2009]
12. book12: COUNTERFACTUALS AND CAUSAL INFERENCE:Methods and Principles for Social Research[2007]
13. book12-2: COUNTERFACTUALS AND CAUSAL INFERENCE:Methods and Principles for Social Research[2015 second edition]
14. book13: Micro-Econometrics for Policy,Program, and Treatment Effects [2005]
15. book14：CAUSALITY Philosophical Theory Meets Scientific Practice[2015]

)

对应pdf涉及版权问题，不便上传，如有学术研究需要，可私信联系。
对应pdf涉及版权问题，不便上传，如有学术研究需要，可私信联系。
对应pdf涉及版权问题，不便上传，如有学术研究需要，可私信联系。

book1: Causal Inference: What If[2020]

Causal Inference: What If . Miguel A. Hernán, James M. Robins

1.1 简介

在本书中，强调需认真地对待因果问题，并描绘数据和假设对因果推理的作用。一旦这些基础到位，因果推论必然变得不那么随意，这有助于防止混淆。这本书描述了各种数据分析方法，当收集一个群体中每个个体的数据时，这些方法可以用来估计在一组特定假设下兴趣的因果效应。这本书的一个关键信息是，因果推理不能简化为数据分析的食谱集合。在整篇文章中，穿插了详细阐述正文中提到的某些主题的要点和技术要点。精细点是为所有读者设计的，而技术点是为受过中级统计学培训的读者设计的。这本书对因果推理的概念和方法提供了一个连贯的介绍，这些概念和方法目前分散在几个学科的期刊上。我们希望对因果推理感兴趣的任何人都会对这本书感兴趣，例如流行病学家、统计学家、心理学家、经济学家、社会学家、政治学家、计算机科学家。。。

1.2 目录

本书共311页，22章。全书分为难度递增的三个部分:**第一部分（1-10章）**是关于无模型的因果推断(即因果效应的非参数识别)；**第二部分（11-18章）**是关于有模型的因果推断(即参数模型的因果效应估计)；**第三部分（19-22章）**是关于复杂纵向数据的因果推断(即时变处理的因果效应估计)。

book2: Causal Inference: THE MIXTAPE(V.1.7)[2018]

Causal Inference: THE MIXTAPE(V.1.7) . Scott Cunningham

2.1 简介

这本书是为几个不同的人写的。它首先是写给实践者的，这就是为什么它包括易于下载的数据集和程序的原因&apos；这也是为什么我做了几项努力来审查论文并尽可能多地复制它们。我希望读者既能理解这一领域，又能感到有能力将这些方法和技术应用到他们自己的研究问题上，我心目中的另一个人是希望重新规划的有经验的社会科学家。也许这些人有更多的理论倾向或背景，也可能是他们的人力资本存在漏洞。我希望这本书能帮助他们学习现代社会科学中常见的因果关系理论，并提供一个有向非循环图形模型的微积分，帮助他们将理论知识与计量经济学识别联系起来，不管是本科生，还是刚毕业的博士。我希望这本书能给你一个跳跃式的开始，这样你就不必像我们很多人那样，曲折地走上这些方法的迷宫。

2.2 目录

本书共328页，11章。

book3: Advanced Data Analysis from an Elementary Point of View [2017]

Advanced Data Analysis from an Elementary Point of View . Cosma Rohilla Shalizi
do not distribute without permission updates at http://www.stat.cmu.edu/~cshalizi/ADAfaEPoV/

3.1 简介

这本书最初是卡内基梅隆大学的36-402《高级数据分析》的笔记。

3.2 目录

本书共860页，28章，可分为四部分。

book4: Elements of Causal Inference Foundations and Learning Algorithms[2017]

Elements of Causal Inference Foundations and Learning Algorithms . Jonas Peters, Dominik Janzing, and Bernhard Schölkopf

4.1 简介

因果关系是一个引人入胜的研究课题。它的数学化相对来说才刚刚开始，许多概念问题仍在争论中——通常激烈程度相当高。虽然这本书总结了花十年时间分析因果关系的结果，但其他人研究这个问题的时间比我们长得多，并且已经存在关于因果关系的书籍，包括Pearl [2009],Spirtes et al. [2000], and Imbens and Rubin [2015]。我们希望本书能够在两个方面补充现有的工作。首先，本书代表了对因果关系子问题的偏见，这可能被认为是最基本和最不现实的。这就是因果问题，被分析的系统只包含两个可观测值。在过去的十年里，我们对这个问题进行了较为详细的研究。我们报告了这项工作的大部分内容，并试图将其嵌入到我们认为对选择性但深刻理解因果关系问题至关重要的更大背景中。虽然先研究二元情况可能有指导意义，但按照顺序的章节顺序，也可能直接开始阅读多元章节。其次，我们的处理受到机器学习和计算统计学领域的激励和影响。我们感兴趣的是其方法如何帮助因果结构的推理，更感兴趣的是因果推理是否能告知我们应该如何进行机器学习。事实上，我们认为，如果我们不以概率分布描述的随机实验为出发点，而是考虑分布背后的因果结构，机器学习的一些最深刻的开放问题就能得到最好的理解。我们试图为熟悉概率论和统计学或机器基础的读者提供对该主题的系统介绍。

4.2 目录

这本书共289页，十章。

book5: CAUSAL INFERENCE IN STATISTICS: A PRIMER[2016]

CAUSAL INFERENCE IN STATISTICS，Judea Pearl & Madelyn Glymour & Nicholas P . Jewell

5.1 简介

在罗纳德·费雪颇具影响力的宣言中，他宣称“统计方法的目的是减少数据”(费希尔1922)。为了与这一目标保持一致，使数据有意义的传统任务，通常被统称为“推理”，变成了寻找一组感兴趣的变量的联合分布或这种分布的特定参数的简约数学描述。这种推理的一般策略不仅统计研究人员和数据科学家非常熟悉，任何上过统计学基础课程的人都非常熟悉。事实上，许多优秀的入门书籍描述了从可用数据中提取最大可能信息量的聪明有效的方法。这些书把新手读者从实验设计到参数估计和假设检验都讲得非常详细。这些技术的目的总是对数据的描述，而不是对数据负责的过程的描述。大多数统计书籍甚至在索引中没有“因果”或“因果”两个字。许多统计推断的核心基本问题是因果关系；一个变量的变化会引起另一个变量的变化吗？如果会，会引起多大的变化？在避免这些问题的过程中，统计推断的介绍性处理通常甚至不能讨论被估计的参数是否是当兴趣在于因果时评估的相关量。
大多数入门教科书所做的最好的事情是这样的:首先，陈述经常被引用的格言“相关并不意味着因果关系”，对混淆和“隐藏变量”如何导致对两个感兴趣的变量之间的明显关系的误解给出简短的解释。此外，这些文本中最大胆的提出了一个主要问题:“如何在x和y之间建立因果联系？”用长期的“黄金标准”方法来回答这个问题，即采用随机试验，这种方法至今仍是美国和其他地方药物批准过程的基石。然而，鉴于大多数因果问题不能通过随机实验来解决，学生和教师们不禁要问，在没有纯粹随机性的情况下，是否有什么可以合理自信地说出来。简而言之，通过避免讨论因果模型和因果参数，入门教科书没有为读者提供理解统计技术如何解决因果关系的科学问题的基础。这本初级读本的目的是填补这个令人苦恼的空白，并帮助基础统计学的教师和学生解决几乎所有自然和社会科学非实验性研究中的因果问题。

5.2 目录

这本书共159页，四章。第1章提供了基本的统计、概率和图形概念，读者将需要理解这本书的其余部分。还介绍了因果关系的基本概念，包括因果模型，并通过实例说明模型如何传达纯数据无法提供的信息。第2章解释了因果模型是如何通过统计依赖模式反映在数据中的。它解释了如何确定数据集是否符合给定的因果模型，并简要讨论了如何搜索解释给定数据集的模型。第3章是关于如何使用因果模型进行预测，特别强调预测政策干预的结果。在这里，我们介绍了使用协变量调整以及反向概率加权来减少混杂偏差的技术。本章还涵盖了中介分析，并深入探讨了迄今为止讨论的因果方法如何在线性系统中工作。这些方法的关键是回归系数和结构参数之间的根本区别，以及学生应该如何使用这两者来预测线性模型中的因果效应。第4章介绍了反事实的概念——如果我们在过去的某个时间点选择不同，会发生什么——并讨论了我们如何计算它们，估计它们的概率，以及我们可以用它们来回答什么样的实际问题。与前几章相比，这一章有些超前，主要是因为注释的新颖性和所提问题的假设性。然而，事实上，我们使用与前几章相同的科学模型来阅读和计算反事实，这应该使他们的分析对学生和教师来说是一次简单的旅程。那些希望在友好的数学水平上理解反事实的人应该发现这一章是一个很好的起点，也是将本书中基于模型的方法与一些实验学家在统计学中追求的潜在结果框架联系起来的坚实基础。

book6: Causal inference for statistics, social, and biomedical sciences : an introduction[2015]

Causal inference for statistics, social, and biomedical sciences : an introduction / Guido W.
Imbens & Donald B. Rubin

6.1 简介

社会和生物医学科学中的大多数问题本质上都是因果关系:如果个人或群体的部分环境发生变化，他们会发生什么？
在这篇开创性的文章中，两位世界著名的专家介绍了研究这些问题的统计方法。这本书从潜在结果的概念开始，每一个都对应于如果一个受试者接受特定的处理或方案将会实现的结果。在这种方法中，因果效应是对这些潜在结果的比较。因果推理的根本问题是，我们只能观察特定主题的其中一种潜在结果。作者讨论了随机实验如何让我们评估因果效应，然后转向观察研究。他们列出了因果推理所需的假设，并描述了主要的分析方法，包括匹配、倾向评分方法和工具变量。许多详细的应用程序都包括在内，特别侧重于实证研究人员的实际方面。

6.2 目录

这本书共737页，26章，由七部分组成。第一部分，阐述了因果推理方法的基本哲学，并描述了潜在结果框架。本书接下来的三个部分是通过分配机制的假设来区分的。第二部分，假设分配机制对应于一个经典的随机实验。第三部分，假设分配机制在定义明确的意义上是“规则的”，这概括了随机实验。在本书的这一部分，讨论了我们所谓的观察研究的“设计”阶段，我们认为这对于可信的结论极其重要。第四部分，我们讨论了常规分配机制研究的数据分析。这里我们考虑匹配和子类化过程，以及基于模型和加权的方法。第五部分，放宽了这个正则性假设，并讨论了更一般的赋值机制。首先，我们评估规律性所需的关键假设，即不确定性。我们还将在文本敏感度分析的这一部分探讨放松常规分配机制的一些关键特性。第六部分，考虑分配机制是常规的，但分配是不完美的。因此，接受处理的概率可能取决于观察到的和未观察到的特征和单位的结果。为了解决这些复杂问题，我们求助于工具变量方法。第七部分，结论。

book7: Mastering ’Metrics The Path from Cause to Effect [2015]

Mastering ’Metrics The Path from Cause to Effect . Joshua D. Angrist & Jörn-Steffen Pischke

7.1 简介

应用计量经济学是原始数据科学，被狂热爱好者称为“计量学”度量包括经济学家用来理清人类事务中因果关系的统计方法。通过通俗易懂的讨论和一点功夫主题的幽默，《掌握计量》展示了计量经济学研究的基本工具，并展示了计量经济学为什么令人兴奋和有用。五种最有价值的计量经济学方法，或者作者所说的盖世五侠——随机分配、回归、工具变量、回归不连续性设计和差异差异——通过精心制作的现实世界例子进行了说明(由《功夫熊猫》的《玉宫》进行了审核)。健康保险让你更健康吗？随机实验提供答案。昂贵的私立大学和选择性公立高中是否比更多的步行机构更好？回归分析和回归不连续性设计揭示了令人惊讶的真相。当私人银行摇摇欲坠，储户拿着钱逃跑时，央行应该出手救他们吗？对大萧条时期银行危机的差异分析提供了一种应对方法。逮捕辛普森能救他前妻的命吗？工具变量方法指导执法机关如何最好地应对家庭虐待。运用计量经济工具的技能和信心，“掌握”计量使用数据和统计来阐明从原因到结果的路径。展示了计量经济学为什么重要，通过幽默和易懂的讨论解释计量经济学研究，通过有趣和相关的现实世界例子概述现代计量经济学实践的核心经验方法。

7.2 目录

这本书共209页，6章。

book8: Explanation in Causal Inference:Methods for Mediation and Interaction[2015]

Explanation in Causal Inference:Methods for Mediation and Interaction. TYLER J. VANDERWEELE

8.1 简介

这本书是从我在哈佛公共卫生学院开设的关于调解和互动方法的课程和系列讲座中发展而来的。这门课程的结构是为了让应用学科(如流行病学、社会和行为科学)的二年级研究生能够进入，他们已经有了一年的统计学入门序列。讲座和本书从基于因果推理的反事实的角度来探讨这些主题。这本书的主题是因果推理中的解释；这是一本关于理解机制的书。

8.2 目录

本书共729页，12章，可分为三部分。

book9: CAUSALITY , PROBABILITY , AND TIME [2013]

CAUSALITY , PROBABILITY , AND TIME. Samantha Kleinberg

9.1 简介

这本书提出了一种新的推理方法(从一组数据中找到关系)和解释(评估特定事件发生的原因)，解决了关系的时间和复杂性。通过理论和实验案例研究说明了所开发方法的实际应用，证明了其可行性和成功性。

9.2 目录

本书共270页，8章。

book10: Design of Observational Studies[2010]

Design of Observational Studies. Paul R. Rosenbaum

10.1 简介

观察性研究是对随机试验不道德或不可行时治疗所造成的影响进行的经验性调查。观察性研究提供的证据的质量和强度很大程度上由其设计决定。优秀的分析方法不会挽救一项设计糟糕的研究。
设计和分析之间的界限在实践中比理论上更容易划定。在实践中，观察性研究的设计包括在检查或使用结果测量之前的所有活动，这些结果测量将是研究结论的基础。与实验不同，在一些观察性研究中，结果可能作为研究设计之前的测量而存在；是他们的检查和使用，而不是他们的存在，将设计和分析分开。设计方面包括科学问题的框架，以允许实证调查，选择进行调查的环境，决定收集什么数据，在哪里和如何收集数据，匹配以消除测量的协变量的偏差，限制未测量的协变量引起的不确定性的战略和策略，以及使用不包括在最终分析中的个人进行样本分割以指导设计。在实践中，设计结束，分析开始，这时对个人的结果进行检查，这将是研究结论的基础。一项从检查结果开始的观察性研究是一项缺乏设计的无形式、无纪律的调查。
理论上，设计预期分析。分析永远存在于设计中，任何目标永远存在于任何有组织的努力中，因为目标是组织努力所必需的。一个人寻求提出问题和收集数据，以便在分析时结果将是决定性的。要有好的结局，应该怎么开始？

10.2 目录

本书共381页，19章，可分为四部分。

book11: CAUSALITY: Models,Reasoning,and Inference (2nd)[2009]

CAUSALITY: Models,Reasoning,and Inference (2nd) . Judea Pearl .

11.1 简介

自从这本书的第一版向读者展示了因果关系至今，已经有八年多了。这本书的受欢迎程度和因果关系结构理论的迅速扩展，都需要一个新版本来帮助因果关系，通过第二个版本，让因果推断从一个神秘的获奖者变成一个研究和教育中的普通工具。
本版的改进之处：
（1）在原著的所有十章中提供了技术修正的更新和澄清，
（2）在每一章的末尾增加了新发展的摘要和注释书目参考文献，（3）阐明了读者和评论家认为令人困惑的微妙问题。
我真诚地希望，这本书能从最后的争论中清除因果思维的局限性。
补充教材、幻灯片、教程和家庭作业可以在我的网站上找到，http://www.cs.ucla.edu/-judea/.
本书的主要受众仍然是学生：统计专业的学生，他们想知道为什么老师不愿意在课堂上讨论因果关系；研究流行病学的学生，他们知道为什么混淆等基本概念在数学上很难定义，经济学和社会科学的学生质疑他们估计的参数的意义；当然，人工智能和认知科学的学生，他们为知识发现、因果解释和因果言语编写程序和理论。我希望这本书中提出的因果关系统一理论对解决各自领域的新挑战既有启发性又有帮助。

11.2 目录

本书共487页，11章。

book12: COUNTERFACTUALS AND CAUSAL INFERENCE:Methods and Principles for Social Research[2007]

COUNTERFACTUALS AND CAUSAL INFERENCE:Methods and Principles for Social Research. STEPHEN L. MORGAN & CHRISTOPHER WINSHIP

12.1 简介

这本书里，提出了用于观察数据分析的因果关系的反事实模型，并且使用来自社会学、政治学和经济学的例子演示了因果效应估计的方法。

12.2 目录

这本书共335页，十章，四部分。

book12-2: COUNTERFACTUALS AND CAUSAL INFERENCE:Methods and Principles for Social Research[2015 second edition]

COUNTERFACTUALS AND CAUSAL INFERENCE:Methods and Principles for Social Research. STEPHEN L. MORGAN & CHRISTOPHER WINSHIP

12-2.1 简介

在这个修订和扩展的反事实和因果推理第二版中，观察数据分析的反事实方法的基本特征用来自社会、人口和健康科学的例子来呈现。首先使用潜在结果模型和因果图引入替代估计技术；之后，从潜在结果的角度介绍了调节技术，如匹配和回归。对于因果风险的重要决定因素未被观察到的研究场景，替代技术，如工具变量估计器、纵向方法和通过因果机制的估计。因果效应异质性的重要性贯穿全书，并讨论了通过机制进行深层因果解释的必要性。

12-2.2 目录

这本书共526页，13章，六部分。

book13: Micro-Econometrics for Policy,Program, and Treatment Effects [2005]

Micro-Econometrics for Policy,Program, and Treatment Effects . MYOUNG-JAE LEE

13.1 简介

正如将在本书中反复出现的那样，处理效应的核心是比较可比的人，具有可比的意思“平均同质”。当然，不可能有完全一样的人:人有看得见的，也有看不见的。因此，这本书的大部分内容是关于如何解决这个问题。
这本书是从计量经济学的角度写的。读者将受益于查阅关于因果推理的非计量经济学书籍:珀尔(2000)、戈蒂斯(2000)、罗森鲍姆(2002)和沙迪什等人(2002)，以及其他在技术难度方面有所不同的书籍。在计量经济学中，Frlich(2003)是可用的，但它的范围比这本书窄。安格里斯特和克鲁格(1999年)和赫克曼等人(1999年)也进行了调查。最近的一些计量经济学教科书也有一两章是关于治疗效果的:伍尔德里奇(2002)和斯托克和沃森(2003)。我毫不怀疑，未来几年将会出版更多对处理效应有广泛讨论的教科书。

13.2 目录

本书共263页，共七章。第1章是该书的简短概述，其内容将在其余章节中重复。因此，对治疗效果有一些背景知识的读者可以跳过这一章。第2章建立了处理效应分析的基础，并介绍了各种术语。第3章着眼于观察变量的控制，以便具有相同观察特征的人可以进行比较。第4章介绍了使用的主要方法之一是“匹配”。第5章和第6章研究了如何处理未观察到的变量差异:第5章包括基本方法，第6章包括其余方法。第7章着眼于多重或动态处理效应分析。附录收集离题或技术性的主题。可以跳过的章节有一个星号。读者可能会发现某些部分重复，因为已经尽了一切努力使每一章或多或少独立。

book14：CAUSALITY Philosophical Theory Meets Scientific Practice[2015]

CAUSALITY Philosophical Theory Meets Scientific Practice . Phyllis Illari ; Federica Russo

14.1 简介

自亚里士多德以来，因果性一直是哲学的基本主题之一。然而，在过去二十年左右的时间里，科学、哲学界对因果关系的兴趣变得非常强烈，并且出现和发展了关于这一主题各种各样的新颖观点。这是令人钦佩的，但与此同时，对任何想理解因果关系哲学最新发展的人来说，这也是一个问题。他们怎样才能掌握这些复杂且往往技术性很强的文献？
幸运的是，这本书的第二部分提供了这个问题的解决方案。在仅仅171页的篇幅中，作者提供了一份对因果关系的最新描述的调查，该调查清晰、全面且准确。考虑到材料的广度和复杂性，这是一个了不起的成就。在本书的剩余部分(第三和第四部分)，重点转移到作者自己的研究，我们发现了相当多有趣和原创的发展。该书的第四部分得出了一些一般性结论。作者赞成因果关系的多元观点。因果关系没有一个普遍的概念，它适用于所有的环境，但是每一种因果关系的分析都适用于某些特定的环境。

14.2 目录

本书共325页，共四部分，24章。