内容简介
· · · · · ·
因果性是理解和应用数据的核心，如果无法从数据中获知因果关系，则甚至无法回答诸如“治疗方案对患者有益还是有害”这类基本问题。虽然现在有很多关于数据分析统计方法的教科书，但到目前为止还没有适合初学者水平的书，介绍如何从数据中快速梳理因果信息的各种方法。
本书弥补了这种缺憾。书中使用简单的实例与朴实的语言介绍了如何定义因果关系，在各种情形下估计因果参数所必需的假设，如何数学化地表示这些假设，这些假设是否有可检测的蕴涵，如何预测干预的效应，以及如何进行反事实推理等。这些都是有兴趣用统计方法回答因果问题的读者需要掌握的基本工具。
本书适用于对解释数据感兴趣的任何读者，该书的实例来自不同领域，涵盖医学、公共政策以及法律等。
作者简介
· · · · · ·
Judea Pearl，是美国加利福尼亚大学洛杉矶分校计算机科学和统计学的教授，他是认知系统实验室负责人，从事人工智能、因果推理和科学哲学的研究。Pearl是《因果推理期刊》的联合创始人和编辑，著有三本关于推理领域的里程碑式著作。他的著作《因果关系：模型、推理和推断》（剑桥出版社，2000，2009）介绍了现代因果分析中使用的许多方法。该书获得了伦敦经济学院拉卡托斯奖（ Lakatos Award），并被超过13000篇科学出版物引用。
Pearl是美国国家科学院院士、美国国家工程院院士、美国人工智能协会的创始会士。由于他对概率和因果推理的基础性贡献，Pearl囊获了包括以色列理工学院的哈维奖（Harvey Prize）和ACM图灵奖在内的众多奖项。
Madelyn Glymour，是卡内基一梅隆大学的数据分析师、加利福尼亚大学洛杉矶分校认知系统实验室的科学作家和编辑。她的研究兴趣在于因果发现以及能够让广大读者理解复杂概念所蕴含的艺术。
Nicholas P.Jewell，是加利福尼亚大学伯克利分校生物统计学和统计学教授。自从1981年进入伯克利分校后，他先后担任多个学术和行政职务，特别是1994-2000年间担任了副教务长。他还曾在爱丁堡大学、牛津大学、伦敦卫生与热带医学院以及京都大学担任学术职务。2007年，他在意大贝拉吉奥洛克菲勒基金研究中心做访问学者。
Jewell是美国统计协会、数理统计研究所和美国科学促进协会（AAAS）会士。他曾经获得斯内德克奖和哈佛大学统计科学马文·泽伦领导奖。Jewell目前是《美国统计协会会刊：理论与方法》杂志编辑、美国科学促进会统计学分会的主席。他的研究重点是把统计方法应用到传染病和慢性病流行病学、药物安全性评估、比较分析和人权领域。
目录
· · · · · ·
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
1．5．1 因果假设建模
1．5．2 乘积分解
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
参考文献
· · · · · ·