从零基础到高级掌握因果关系，这6本书就够了

选自 arXiv

作者：Aleksander Molak

机器之心编译

编辑：陈萍

想要掌握因果关系，读哪些书最好？

近年来，研究界和工业界对因果关系相关算法表现出了浓厚的兴趣。不过，初学者想要进入这一领域还面临诸多挑战，他们缺乏诸如对基本术语的了解等基础知识。

几十年来，关于因果关系的研究一直是分散的，它们被划分为多个子领域，从而导致一个不好的结果，即许多新手在进入这个领域时会感到「不知所措」和「困惑」。

书籍在传播知识方面担当了重要的角色，它们通俗易懂，可以让初学者更快、更好、更省时地入门因果科学领域。

本文我们将要介绍 6 本关于因果关系的书籍，其中 3 本可以免费获取。

书籍 1《The Book of Why》

这本书由图灵奖得主、现代因果关系之父 Judea Pearl 及其合著者 Dana Mackenzie 共同完成。本书融合了理论、历史、数学和实践练习，其中还穿插着一些故事。书中涵盖了因果关系历史、do-calculus 背后的基本理论，并用具体示例来介绍，让读者更容易接受。

书籍还在 do-calculus 和 potential results 框架之间进行了比较，这不仅让读者学习基础知识，还掌握了基本词汇，帮助他们在更广泛的因果世界中定位自己。

通过本书，你将掌握因果关系的发展历史、因果阶梯（Ladder）、微积分基础知识和因果推断应用等。

书籍 2《Causal Inference in Statistics - A Primer 1st Edition》

本书由 Judea Pearl 、Glymour 等人编写。虽然只有短短 120 多页，但内容非常丰富，还提供一些练习题供读者练习。书籍主要涵盖以下四个部分：

基础统计学和概率论回顾；

图模型介绍；

因果中关于干预（interventions）的讨论；

反事实讨论。

阅读完本书，你将掌握图模型、干预、后门和前门标准以及逆概率加权、反事实等知识。

书籍 3《Elements of Causal Inference》

这本书由 Peters、Janzig 和 Schölkopf 合作完成，涵盖了纯统计和因果模型之间的差异、因果推断的假设、双变量和多元模型、半监督学习、强化学习、域适应和时间序列模型。

读完本书，你将掌握理论背后的因果发现方法、二元模型的因果推断与发现、多元模型的因果推断与发现、因果关系 vs episodic 强化学习、因果关系和时间序列。

书籍 4《Causality — Models, Reasoning and Inference》

本书由 Judea Pearl 撰写，涵盖了图模型、d 分离、贝叶斯因果模型、结构因果模型、结构方程模型 (SEM)、模型识别、因果推断背后的假设、干预和反事实的深入讨论、因果概率等。

读完本书，你将掌握因果推断背后的假设、do-calculus、因果发现、因果概率、干预和反事实等相关知识。

书籍 5《Causal Inference — The Mixtape》

本书由 Scott Cunningham 撰写，提供了大量因果推断的示例，主要包括经济学、社会政策、流行病学等领域。本书的每个部分都附有 Stata 和 R 代码片段，并配有开源的 Python 代码。

本书重点关注当代计量经济学中流行的方法：工具变量、双重差分和综合控制估计量。读完本书，你将掌握自然实验 、潜在结果、断点回归、工具变量等知识。

书籍 6《What If?》

这本书由来自哈佛的 Hernán 、Robins 合作完成，共分为三个部分：

无模型因果推断；

模型因果推断；

复杂纵向数据的因果推断。

读完本书，你将掌握交互（Interactions）、选择偏差、结构嵌套模型、因果生存分析等相关内容。