因果推理书籍阅读指南

来源：https://www.bradyneal.com/which-causal-inference-book

本文内容主要基于Brady Neal的这篇博客

选书流程图：

书籍内容简介

1、Elements of Causal Inference

对于机器学习背景的人来说，这本书真是太棒了。它甚至有两章致力于将因果推理与机器学习联系起来。这本书可能是现代因果发现（structure learning）技术的最佳书。虽然“因果推论”一词在其他书籍中并未包括因果发现，但在本书中却包含了。这本书的很大一部分专注于因果发现。而且它仍然为读者提供结构因果模型（structural causal models）的基础。

2、Causal Inference: What If

这本书是我读过的所有书籍中最实用的一本书。例如，它是唯一涵盖“positivity” (or “overlap”) 的概念的书，这是为了估计因果关系必须满足的重要条件。这也是这些书中唯一一本真正涉及如何估计outcome models和propensity score models的书，这两个模型用于估计现实中的因果关系。实际上，本书中有很大一部分专门用于可在实践中使用的各种估计量Jamie Robins（作者之一）在流行病学和因果推论中是一个非常重要的人物。而朱迪亚·珀尔（Judea Pearl）认为adjustment formula在他的1986年论文中是隐含的（这是第一次在文献中可以看出该调整公式）。

3、Causal Inference in Statistics: A Primer

这本书可能是适合人数最多的一本书。它对因果推理和SCM的介绍清晰，优雅，且简明。Pearl是第一作者，他为因果推理做出了许多重要的贡献，并开创了SCM。

4、Causality

我只会向想成为SCM专家的人推荐这本书，并且它是我向那些熟悉SCM并希望成为SCM专家的人唯一推荐的一本书。它有很多伟大的理论，但通常不容易阅读。如果你没有任何SCM的知识或没有强烈的动机去了解它们，那它将是几乎不可读的。综上所述，我认为这本书经常被网上人刻薄地描述。我怀疑这些苛刻的评论中有许多来自对理论不太感兴趣的人。我认为，在对因果关系有了深刻的理解之后（例如通过阅读其他书籍），人们会对本书有更好的理解。如果人们在因果关系研究中先读了这本书，我认为在以后重读一遍绝对是有意义的。

5、Counterfactuals and Causal Inference: Methods and Principles for Social Research

这是另一本非常实用的书。这个本书篇幅较长，因为作者安插了许多详尽的例子，而且涵盖了来自经济学，计算机科学以及整个社会科学中因果推理文献的主题。作者利用社会科学中的许多实际例子。作为一个喜欢抽象而不是示例的人，我感觉这本书有时可能会有些冗长，有的示例有时看起来太长了。涵盖所有细节的优点是，它们可以出色地为你指出相关文献，并提供这些论文的最关键细节，因为它们与书中正在讨论的内容有关。本书很好地结合了potential outcomes和graphical causal models的观点，并进行了比较。他们详尽地涵盖了基于条件的因果效应估计器的3种不同类别，并分别给出了对应的章节：匹配，回归和逆概率加权。他们还专门介绍了工具变量和前门调节章节。

6、Mostly Harmless Econometrics

如果你想了解普通经济学家对因果推理的看法，那么这本书就是给你的，因为我相信它在计量经济学课程中被广泛使用。这本书与其他书非常不同。它不太关注基于条件的估计量（请考虑backdoor adjustment）。相反，它将重点放在准实验方法上，例如instrumental variables，differences-in-differences和regression discontinuity designs。由于这本书是2008年出版的，因此不会涵盖诸如合成控件之类的最新方法。对于一本涵盖综合控件的最新教科书，我推荐Scott Cunningham的“Causal Inference: The Mixtape”。