本書(shū)對(duì)因果推斷進(jìn)行了介紹，全書(shū)分為五個(gè)部分：首先在第1至3章介紹了因果推斷研究的背景，以及基于圖模型分析進(jìn)行因果推斷所需要的基礎(chǔ)知識(shí)；第二部分包括第4至5章，介紹了因果推斷中的干預(yù)分析和反事實(shí)分析；第三部分包括第6至7章，是因果推斷的進(jìn)階內(nèi)容，在干預(yù)分析和反事實(shí)分析基礎(chǔ)上介紹了因果關(guān)系概率的計(jì)算以及復(fù)雜條件下因果效應(yīng)的計(jì)算；第四部分內(nèi)容是因果關(guān)系中反映各個(gè)變量之間關(guān)系的圖模型結(jié)構(gòu)的學(xué)習(xí)，相應(yīng)內(nèi)容在第8章；最后在第9章以推薦系統(tǒng)和強(qiáng)化學(xué)習(xí)為例，對(duì)因果推斷的應(yīng)用進(jìn)行了簡(jiǎn)單介紹。
前言
第1章緒論1
1.1辛普森悖論1
1.2相關(guān)性與因果關(guān)系5
1.3變量之間的關(guān)系9
1.4本書(shū)主要內(nèi)容及安排11
第2章數(shù)學(xué)基礎(chǔ)13
2.1隨機(jī)變量和隨機(jī)事件13
2.1.1隨機(jī)變量13
2.1.2隨機(jī)事件14
2.2概率及其計(jì)算16
2.2.1概率與條件概率16
2.2.2概率分布19
2.2.3概率的計(jì)算公式19
2.3獨(dú)立性22
2.4貝葉斯公式及其應(yīng)用25
2.5隨機(jī)變量的數(shù)字特征30
2.6回歸33
2.6.1一元線(xiàn)性回歸33
2.6.2多元線(xiàn)性回歸35
2.7因果關(guān)系的表示：圖模型與結(jié)構(gòu)
因果模型37
2.7.1因果關(guān)系的概念37
2.7.2圖模型38
2.7.3結(jié)構(gòu)因果模型40
2.7.4圖模型和結(jié)構(gòu)因果模型的
比較41
2.8因子分解42
2.8.1圖模型的馬爾可夫性43
2.8.2因子分解表達(dá)式44
2.9圖模型結(jié)構(gòu)的程序?qū)崿F(xiàn)46
2.9.1R軟件的安裝46
2.9.2DAGitty包的安裝與
加載48
2.9.3圖模型的生成50
第3章圖模型分析55
3.1基本圖模型結(jié)構(gòu)的分析55
3.1.1鏈?zhǔn)浇Y(jié)構(gòu)56
3.1.2分叉結(jié)構(gòu)57
3.1.3對(duì)撞結(jié)構(gòu)59
3.2d劃分66
3.2.1d劃分的概念66
3.2.2d劃分的判斷70
3.2.3d劃分變量集合搜索73
3.3圖模型與概率分布78
3.4圖模型分析的程序?qū)崿F(xiàn)80
第4章干預(yù)分析89
4.1因果效應(yīng)的調(diào)整表達(dá)式計(jì)算89
4.1.1混雜偏差89
4.1.2干預(yù)的數(shù)學(xué)表達(dá)90
4.1.3通過(guò)調(diào)整表達(dá)式計(jì)算
因果效應(yīng)92
4.1.4調(diào)整變量的設(shè)計(jì)96
4.2后門(mén)準(zhǔn)則與前門(mén)準(zhǔn)則101
4.2.1后門(mén)準(zhǔn)則101
4.2.2前門(mén)準(zhǔn)則107
4.3多變量干預(yù)和特定變量
取值干預(yù)112
4.3.1多變量干預(yù)112
4.3.2特定變量取值時(shí)的干預(yù)
分析115
4.3.3條件干預(yù)118
4.4直接因果效應(yīng)與間接因果效應(yīng)119
4.5因果效應(yīng)的估計(jì)125
4.5.1反概率權(quán)重法125
4.5.2傾向值評(píng)分匹配法129
4.6線(xiàn)性系統(tǒng)中的因果推斷133
4.6.1線(xiàn)性系統(tǒng)因果推斷分析的
特點(diǎn)133
4.6.2路徑系數(shù)及其在因果推斷
分析中的應(yīng)用137
4.6.3線(xiàn)性系統(tǒng)中路徑系數(shù)的
計(jì)算141
4.7工具變量150
4.8干預(yù)分析的程序?qū)崿F(xiàn)154
4.8.1獲取調(diào)整變量集合154
4.8.2通過(guò)傾向值評(píng)分匹配
計(jì)算ACE158
第5章反事實(shí)分析及其應(yīng)用164
5.1反事實(shí)概念的引入及表達(dá)
符號(hào)164
5.2反事實(shí)分析的基本方法168
5.2.1反事實(shí)假設(shè)與結(jié)構(gòu)因果
模型修改168
5.2.2反事實(shí)分析的基本法則171
5.3反事實(shí)分析計(jì)算173
5.3.1外生變量取值與個(gè)體173
5.3.2確定性反事實(shí)分析175
5.3.3概率性反事實(shí)分析177
5.3.4反事實(shí)分析中概率計(jì)算的
一般化方法182
5.4反事實(shí)符號(hào)表達(dá)式與do算子符號(hào)
表達(dá)式的對(duì)比185
5.5基于圖模型的反事實(shí)分析191
5.6SCM參數(shù)未知及線(xiàn)性環(huán)境下的
反事實(shí)分析195
5.6.1SCM參數(shù)未知條件下的反
事實(shí)分析195
5.6.2線(xiàn)性模型在給定事實(shí)條件下
的反事實(shí)分析198
5.7中介分析201
5.7.1自然直接效應(yīng)和自然間接
效應(yīng)的定義202
5.7.2自然直接效應(yīng)和自然間接
效應(yīng)的計(jì)算204
5.8反事實(shí)的應(yīng)用205
第6章因果關(guān)系概率分析211
6.1因果關(guān)系概率的定義211
6.2因果關(guān)系概率的性質(zhì)214
6.3必要性概率與充分性概率的
量化計(jì)算216
6.3.1外生性與單調(diào)性216
6.3.2在外生性條件下PN、PS和
PNS的計(jì)算219
6.3.3在外生性和單調(diào)性條件下
PN、PS和PNS的計(jì)算221
6.3.4在不具有外生性但具有單調(diào)性
條件下PN、PS和PNS的
計(jì)算222
6.3.5在外生性和單調(diào)性都不成立
條件下PN、PS和PNS的
計(jì)算226
6.4因果關(guān)系概率的應(yīng)用228
第7章復(fù)雜條件下因果效應(yīng)的
計(jì)算2387.1非理想依從條件下因果效應(yīng)的
計(jì)算238
7.1.1研究模型假設(shè)238
7.1.2一般條件下平均因果
效應(yīng)的計(jì)算239
7.1.3附加假設(shè)條件下平均因果
效應(yīng)的計(jì)算243
7.2已干預(yù)條件下因果效應(yīng)的計(jì)算246
7.2.1ETT的計(jì)算247
7.2.2增量干預(yù)的計(jì)算249
7.2.3非理想依從條件下ETT的
計(jì)算251
7.3復(fù)雜圖模型條件下因果效應(yīng)的
計(jì)算253
7.3.1do算子推理法則253
7.3.2do算子推理法則應(yīng)用
示例254
7.3.3因果效應(yīng)的可識(shí)別性257
7.3.4試驗(yàn)中干預(yù)變量的替代
設(shè)計(jì)262
7.4非理想數(shù)據(jù)采集條件下因果
效應(yīng)的計(jì)算265
第8章圖模型結(jié)構(gòu)的學(xué)習(xí)270
8.1圖模型結(jié)構(gòu)學(xué)習(xí)算法概述270
8.1.1圖模型結(jié)構(gòu)學(xué)習(xí)的過(guò)程270
8.1.2圖模型結(jié)構(gòu)學(xué)習(xí)的假設(shè)271
8.2圖模型結(jié)構(gòu)學(xué)習(xí)算法的分類(lèi)及基于
評(píng)分的學(xué)習(xí)算法簡(jiǎn)介272
8.3基于約束的算法273
書(shū)單推薦
