因果推断（零）：学习框架（潜在因果模型和结构因果模型）

思维导图

学习一门新的学科，我喜欢事先制作一张“学习地图”，先宏观了解下这门学科的面貌。这样后面无论学习哪一个细小的点，我都能清楚的知道自己正在探索哪个地方，心里不会有那种不知道还要学多少东西才算真正了解了的茫然，而是十分具有方向感。（这算不算是《高效能人士的七个习惯》里的自顶向下的一种应用呢？）

整个因果推断方向的知识地图暂时整理成下面这个样子啦！随着学习的深入，未来应该会不断完善这张思维导图。
【视角一：从数据的类型分类（实验数据 or 观察数据）】

【视角二：从要解决的问题分类】

两个框架的异同点

	Rubin:潜在因果模型	Pearl:结构因果模型 （SCM）
相同点	目的：都要计算干预和不干预的结果差异
	假设：都有一些基本假设（潜在因果模型有3个，SCM有哪些？学到了再回来补充）
	方法的核心：需要控制造成估计偏差的变量（协变量）
不同点	causal effect = 干预前后的结果期望差值	causal effect = 干预前后的分布差异（待理解）
	描述因果模型和估计的语言：回归、控制变量、匹配	描述因果模型和估计的语言：条件分布（？）、do-算子
	重点：因果效应的估计	重点：因果效应识别/因果图构建

参考资料

[1] 结构因果模型
[2] 因果推断笔记