- 前辅文
- 第1章 绪言:统计及因果模型
- 1.1 为什么研究因果关系
- 1.2 辛普森悖论
- 1.3 概率和统计
- 1.3.1 变量
- 1.3.2 事件
- 1.3.3 条件概率
- 1.3.4 独立性
- 1.3.5 概率分布
- 1.3.6 全概率公式
- 1.3.7 使用贝叶斯法则
- 1.3.8 期望值
- 1.3.9 方差和协方差
- 1.3.10 回归
- 1.3.11 多元回归
- 1.4 图
- 1.5 结构因果模型
- 第2章 图模型及其应用
- 2.1 模型与数据的联系
- 2.2 链结构和分叉结构
- 2.3 对撞结构
- 2.4 d-分离
- 2.5 模型检验与因果搜索
- 第3章 干预的效果
- 3.1 干预
- 3.2 校正公式
- 3.2.1 校正还是不校正
- 3.2.2 多重干预和截断乘积规则
- 3.3 后门准则
- 3.4 前门准则
- 3.5 条件干预和特定变量效应
- 3.6 逆概率加权
- 3.7 中介
- 3.8 线性系统中的因果推断
- 3.8.1 结构系数与回归系数
- 3.8.2 结构系数的因果解释
- 3.8.3 识别结构系数和因果效应
- 3.8.4 线性系统中的中介
- 第4章 反事实及其应用
- 4.1 反事实
- 4.2 反事实的定义和计算
- 4.2.1 反事实的结构性解释
- 4.2.2 反事实的基本定理
- 4.2.3 从总体数据到个体行为
- 4.2.4 计算反事实的三个步骤
- 4.3 非确定性的反事实
- 4.3.1 反事实的概率
- 4.3.2 反事实的图形化表示
- 4.3.3 试验环境中的反事实
- 4.3.4 线性模型中的反事实
- 4.4 反事实的实际应用
- 4.4.1 项目招募
- 4.4.2 添加干预
- 4.4.3 个人决策制定
- 4.4.4 招聘中的歧视
- 4.4.5 中介和路径阻断干预
- 4.5 用于归因和中介的数学工具包
- 4.5.1 用于归因和因果概率的工具包
- 4.5.2 用于中介的工具包
- 参考文献