因果推断资源整合

最近这几年因果推断越来越受到业界的重视。从最早的Amazon开设了一个causual inference 的track （其他两个forecasting 和 applied IO)，到智库和IT大厂逐渐开设causal inference 的岗位或者research scientist focus on treatment/impact 的，比如说FB，Google，Wayfair, Brookings, RAND。2019年Abhijit Banerjee、Esther Duflo和Michael Kremer因在减轻全球贫困方面的实验性做法而获奖，其实就是RCT，和quasi experiment，着眼于微观小范围内的可控实验。今年更不用说了，David Card通过自然实验分析最低工资、移民和教育对劳动力市场的影响， Joshua D. Angrist、Guido W. Imbens在20世纪90年代中期解决了如何从自然实验中得出精确的因果结论（诸如内生性问题，ID，结果解释等等。Krueger如果没有自杀的话大概率也早晚会拿诺奖。总的来说，上个世纪80年代开始的一系列causal inference 的milestone work这几年出现了一个开花结果报业绩的阶段了。当然最近几年Susan Athey 引入新工具比如machine learning 开拓了传统的因果推断方法，Toni Whited 则是structural model方向的来同样具有因果推断的功能，感兴趣的朋友们可以看看她们的文章，相信一定会受益匪浅。
作为一个半道出家从数学转到经济学的学生，真的是因为兴趣最后我才选择了这个方向。相信很多科班出身的经济或者金融的同学本科就看过Most Harmless Econometrics或者Wooldridge 的那两本经典的教材，Angrist, Imbens, Krueger, Card，Pischke，Robins真的是像以前看Lagrange, Cauchy一样。当然，因果推断最直接的应用往往和实验直接相关的学科比如生物学，医学，药厂等等，所以我们看到的有相当多的因果推断是基于生统背景的文章，而并非social sciences。 人类作为一个把自己悬挂在自我编织的意义之网上的动物，追求内心的平衡与合理，生命的意义，认识洞察万物是内心的一种本能需求，而因果论则是在这些思考和平衡过程中一个重要的思维模式。我们当然不能局限于刻板的追求因果关系，这个世界有太多超越于我们本能的复杂的关系，甚至可以讲这个世界其实没有什么关系，所谓的关系与规律一定意义上也只是我们这个物种认识宇宙的方式而已，就好像狗无法想象三原色的世界可以是什么样的。但是不管怎样，人类通过科学的因果推断已经建立起了认识改造世界的有效手段，因此causal inference 今后的应用我相信也会越来越广泛，越来越复杂。
以我有限的学识希望达到抛砖引玉的效果，欢迎大神批评指正和分享。对于因果推论最近丁鹏教授有过一篇很详细的lit review, 链接也放在下面了，大家也可以了解一些国内做这方面的情况。 我在这就分享一下我自己看过的（有些看的不全）很有裨益的书吧，太古老的我就不放在这了，毕竟要看就看最新的顶刊最有价值的文章。
丁鹏的文章“因果推断——现代统计的思想飞跃”https://cosx.org/2021/06/causal-inference-modern-statistics-leap/
1. Angrist 和Pischke的Mastering' Metrics The Path from Cause to Effecthttps://drive.google.com/file/d/ ... 4m/view?usp=sharing
2. Judea Pearl 的 Causality: Models, Reasoning, and Inference，偏重于causal digram一些https://drive.google.com/file/d/ ... gS/view?usp=sharing
3. Harvard 的Donald Rubin 和 计量经济学家 Guido Imbens的Causal Inference for Statistics, Social, and Biomedical Scienceshttps://drive.google.com/file/d/ ... 5w/view?usp=sharing
4. Baylor的Scott Cunningham的Causal InferenceThe Mixtape，很适合自学https://drive.google.com/file/d/ ... o2/view?usp=sharing
5. 再就是Most Harmless 了，每过一遍都有很多收获https://drive.google.com/file/d/ ... Dw/view?usp=sharing
另外UC Berkeley有个组都是大牛，专门搞因果推断，感兴趣的话也可以看看他们都在做什么。https://statistics.berkeley.edu/ ... ce-graphical-models
一个PhD自己整合的资源和他放在网上的自己的课，作为一个PhD能做的这么好表示佩服https://www.bradyneal.com/causal-inference-course
如果有小伙伴想一起学习探讨不论是课程还是paper也欢迎大家随时留言私信，kmetw13@gmail.com

补充内容 (2021-11-12 23:16 +08:00):
Causal Inference Resources

补充一个Harvard的大牛，Tyler VanderWeele （https://www.hsph.harvard.edu/tyler-vanderweele/）, 本科牛津的数学加哲学（神学），他的Explanation in Causal Inference 也是本很好的reference。

a954d74cb 发表于 2021-12-21 10:47:18
补充一个Harvard的大牛，Tyler VanderWeele （https://www.hsph.harvard.edu/tyler-vanderweele/）, 本科牛津的数学加哲学（神学），他

谢谢分享！