因果論：模型、推理和推斷（原書第2版）

中文版序
推薦者序
譯者序
我為什么寫這本書：回顧與期望
第2版前言
第1版前言
第1章　概率、圖及因果模型1
1.1　概率論概述1
1.1.1　為什么學(xué)習(xí)概率1
1.1.2　概率論的基本概念2
1.1.3　預(yù)測支持與診斷支持結(jié)合7
1.1.4　隨機變量與期望8
1.1.5　條件獨立與圖11
1.2　圖與概率12
1.2.1　圖的符號與術(shù)語12
1.2.2　貝葉斯網(wǎng)絡(luò)13
1.2.3　d-分離準則17
1.2.4　貝葉斯網(wǎng)絡(luò)推斷20
1.3　因果貝葉斯網(wǎng)絡(luò)22
1.3.1　用于干預(yù)諭言的因果網(wǎng)絡(luò)23
1.3.2　因果關(guān)系及其穩(wěn)定性25
1.4　函數(shù)因果模型27
1.4.1　結(jié)構(gòu)方程28
1.4.2　因果模型中的概率預(yù)測31
1.4.3　函數(shù)模型中的干預(yù)與因果效應(yīng)33
1.4.4　函數(shù)模型中的反事實34
1.5　因果與統(tǒng)計術(shù)語40
第2章　因果關(guān)系推斷理論43
2.1　簡介：基本直覺44
2.2　因果發(fā)現(xiàn)框架46
2.3　模型偏好（奧卡姆剃刀原則）47
2.4　穩(wěn)定分布51
2.5　獲取DAG結(jié)構(gòu)52
2.6　重建潛在結(jié)構(gòu)54
2.7　因果關(guān)系推斷的局部準則57
2.8　非時間因果與統(tǒng)計時間61
2.9　結(jié)論63
2.9.1　關(guān)于極小性、馬爾可夫性和穩(wěn)定性64
第3章　因果圖與因果效應(yīng)識別69
3.1　簡介70
3.2　馬爾可夫模型中的干預(yù)72
3.2.1　作為干預(yù)模型的圖72
3.2.2　干預(yù)作為變量75
3.2.3　計算干預(yù)效應(yīng)76
3.2.4　因果量值的識別81
3.3　控制混雜偏差83
3.3.1　后門準則83
3.3.2　前門準則86
3.3.3　實例：吸煙與基因型理論88
3.4　干預(yù)的計算90
3.4.1　符號預(yù)備90
3.4.2　推斷規(guī)則90
3.4.3　因果效應(yīng)的符號推導(dǎo)：一個實例92
3.4.4　基于替代試驗的因果推斷94
3.5　可識別性的圖模型檢驗95
3.5.1　識別模型97
3.5.2　非識別模型99
3.6　討論100
3.6.1　要求與擴展100
3.6.2　圖作為一種數(shù)學(xué)語言102
3.6.3　從圖轉(zhuǎn)換到潛在結(jié)果104
3.6.4　與Robins的G-估計的關(guān)系108
第4章　行動、計劃和直接效應(yīng)114
4.1　簡介115
4.1.1　行動、動作和概率115
4.1.2　決策分析中的行動118
4.1.3　行動和反事實120
4.2　條件行動與隨機策略121
4.3　什么時候行動的結(jié)果是可識別的122
4.3.1　基于圖的識別條件122
4.3.2　識別效率124
4.3.3　對控制問題解析解的推導(dǎo)126
4.3.4　總結(jié)126
4.4　動態(tài)計劃的可識別性127
4.4.1　動機127
4.4.2　識別計劃：符號和假設(shè)129
4.4.3　識別計劃：序貫后門準則130
4.4.4　識別計劃：計算流程133
4.5　直接效應(yīng)和間接效應(yīng)136
4.5.1　直接效應(yīng)與總效應(yīng)136
4.5.2　直接效應(yīng)、定義和識別137
4.5.3　案例:大學(xué)錄取中的性別歧視問題138
4.5.4　自然直接效應(yīng)141
4.5.5　間接效應(yīng)與中介公式142
第5章　社會學(xué)和經(jīng)濟學(xué)中的因果關(guān)系與結(jié)構(gòu)模型144
5.1　簡介145
5.1.1　尋找因果語言145
5.1.2　SEM：它的意義怎么變模糊了146
5.1.3　圖作為一種數(shù)學(xué)語言150
5.2　圖與模型檢驗151
5.2.1　結(jié)構(gòu)模型的可檢驗性含義152
5.2.2　檢驗可檢驗性156
5.2.3　模型等價性157
5.3　圖與可識別性161
5.3.1　線性模型中的參數(shù)識別161
5.3.2　與非參數(shù)識別的比較167
5.3.3　因果效應(yīng)：SEM的干預(yù)解釋169
5.4　部分概念基礎(chǔ)172
5.4.1　結(jié)構(gòu)參數(shù)真實意味著什么172
5.4.2　效應(yīng)分解的解釋177
5.4.3　外生性、超外生性及其他話題178
5.5　結(jié)論183
5.6　第2版附言184
5.6.1　計量經(jīng)濟學(xué)的覺醒184
5.6.2　線性模型的識別問題185
5.6.3　因果論斷的魯棒性185
第6章　辛普森悖論、混雜與可壓縮性187
6.1　剖析辛普森悖論188
6.1.1　一個有關(guān)悖論的示例188
6.1.2　統(tǒng)計學(xué)中苦惱的事情190
6.1.3　因果關(guān)系與可交換性192
6.1.4　悖論已解決（或者，人是什么類型的機器）195
6.2　為什么沒有關(guān)于混雜的統(tǒng)計檢驗，為什么許多人認為應(yīng)該有，為什么他們是正確的197
6.2.1　簡介197
6.2.2　因果定義和關(guān)聯(lián)定義199
6.3　關(guān)聯(lián)性準則如何失效200
6.3.1　憑借邊緣化使充分性失效200
6.3.2　憑借封閉世界假定使充分性失效201
6.3.3　憑借無益代理使必要性失效201
6.3.4　憑借偶然抵消使必要性失效203
6.4　穩(wěn)定無偏與偶然無偏204
6.4.1　動機204
6.4.2　形式化定義206
6.4.3　穩(wěn)定無混雜的運算檢驗207
6.5　混雜、可壓縮性和可交換性208
6.5.1　混雜與可壓縮性208
6.5.2　混雜與混雜因子210
6.5.3　可交換性與混雜結(jié)構(gòu)分析212
6.6　結(jié)論215
第7章　結(jié)構(gòu)化反事實的邏輯217
7.1　結(jié)構(gòu)模型語義學(xué)218
7.1.1　定義：因果模型、行動與反事實219
7.1.2　評估反事實：確定性分析223
7.1.3　評估反事實：概率分析228
7.1.4　孿生網(wǎng)絡(luò)法230
7.2　結(jié)構(gòu)模型的應(yīng)用與解釋231
7.2.1　線性經(jīng)濟計量模型政策分析：示例231
7.2.2　反事實的實證性內(nèi)容 234
7.2.3　因果解釋、表達及其理解238
7.2.4　從機制到行動再到因果240
7.2.5　Simon因果順序243
7.3　公理刻畫246
7.3.1　結(jié)構(gòu)反事實的公理246
7.3.2　反事實邏輯中的因果效應(yīng)：示例249
7.3.3　因果相關(guān)性公理252
7.4　基于結(jié)構(gòu)化和相似性的反事實256
7.4.1　與Lewis反事實的關(guān)系256
7.4.2　公理系統(tǒng)的比較258
7.4.3　成像與條件260
7.4.4　與Neyman-Rubin框架的關(guān)系262
7.4.5　外生性和工具變量：反事實定義和圖模型定義264
7.5　結(jié)構(gòu)因果與概率因果267
7.5.1　對時序的依賴性268
7.5.2　死循環(huán)風險269
7.5.3　與孩子們一起挑戰(zhàn)封閉世界假定271
7.5.4　特例因果與一般因果272
7.5.5　總結(jié)275
第8章　不完美實驗：邊界效應(yīng)和反事實277
8.1　簡介278
8.1.1　不完美與間接實驗278
8.1.2　不依從性與治療意愿279
8.2　利用工具變量界定因果效應(yīng)的范圍280
8.2.1　問題的形式化表述：約束優(yōu)化280
8.2.2　正則劃分：有限響應(yīng)變量的演化282
8.2.3　線性規(guī)劃公式284
8.2.4　自然邊界286
8.2.5　對于處理（治療）者的處理效應(yīng)（ETT）287
8.2.6　示例：消膽胺的作用288
8.3　反事實和法律責任289
8.4　工具變量測試291
8.5　解決不依從性的一種貝葉斯方法293
8.5.1　貝葉斯方法和吉布斯采樣293
8.5.2　樣本量和先驗分布的效應(yīng)295
8.5.3　從不完全依從的臨床數(shù)據(jù)中估計因果效應(yīng)296
8.5.4　特例事件因果關(guān)系的貝葉斯估計298
8.6　結(jié)論299
第9章　因果關(guān)系概率：解釋和識別300
9.1　簡介301
9.2　充分必要原因：識別條件303
9.2.1　定義、符號和基本關(guān)系303
9.2.2　外生性下的界限與基本關(guān)系306
9.2.3　單調(diào)性和外生性下的可識別性309
9.2.4　單調(diào)性和非外生性下的可識別性311
9.3　實例與應(yīng)用314
9.3.1　實例1：公平硬幣下注314
9.3.2　實例2：刑法執(zhí)行316
9.3.3　實例3：輻射對白血病的影響317
9.3.4　實例4：來自實驗數(shù)據(jù)和非實驗數(shù)據(jù)的法律責任320
9.3.5　結(jié)果總結(jié)321
9.4　非單調(diào)模型的可識別性322
9.5　結(jié)論325
第10章　實際原因327
10.1　引言：必要因果關(guān)系的不充分性328
10.1.1　重新探討特例原因 328
10.1.2　搶占和結(jié)構(gòu)信息的作用329
10.1.3　過度確定和準依賴性331
10.1.4　Mackie的INUS條件332
10.2　產(chǎn)生、依賴和維持334
10.3　因果束和基于維持的因果關(guān)系337
10.3.1　因果束：定義及其含義337
10.3.2　實例：從析取式到通用公式340
10.3.3　束、搶占以及特例事件因果關(guān)系的概率342
10.3.4　路徑切換因果關(guān)系344
10.3.5　時序搶占345
10.4　結(jié)論347
第11章　對讀者的回應(yīng)、闡述和討論351
11.1　因果、統(tǒng)計和圖的術(shù)語351
11.1.1　區(qū)分因果和統(tǒng)計是必要的嗎351
11.1.2　無須擔心的d-分離（第1章）355
11.2　逆轉(zhuǎn)統(tǒng)計時間（第2章）358
11.3　估計因果效應(yīng)359
11.3.1　后門準則背后的直觀理解（第3章）359
11.3.2　揭開神秘的“強可忽略性”362
11.3.3　后門準則的另一種證明365
11.3.4　協(xié)變量選擇中的數(shù)據(jù)與知識368
11.3.5　理解傾向得分370
11.3.6　do-算子背后的直觀性374
11.3.7　G-估計的有效性374
11.4　策略評估與do-操作376
11.4.1　識別附條件計劃（4.2節(jié)）376
11.4.2　間接效應(yīng)的意義378
11.4.3　do(x)能夠表示實際實驗嗎380
11.4.4　do(x)操作是通用的嗎381
11.4.5　沒有操縱的因果關(guān)系384
11.4.6　與Cartwright一起追獵原因385
11.4.7　非模塊化的錯覺387
11.5　線性結(jié)構(gòu)模型中的因果分析389
11.5.1　參數(shù)識別的一般準則（第5章）389
11.5.2　結(jié)構(gòu)系數(shù)的因果解釋390
11.5.3　為SEM（或者SEM救生包）的因果解釋辯護392
11.5.4　今天的經(jīng)濟學(xué)模型在哪里—與Heckman一起追求原因398
11.5.5　外部變化與外科手術(shù)401
11.6　決策與混雜（第6章）405
11.6.1　辛普森悖論與決策樹405
11.6.2　時間信息對于決策樹是充分的嗎407
11.6.3　Lindley關(guān)于因果性、決策樹和貝葉斯主義的理解409
11.6.4　為什么混雜不是一個統(tǒng)計學(xué)概念412
11.7　反事實的演算414
11.7.1　線性系統(tǒng)中的反事實414
11.7.2　反事實的意義417
11.7.3　反事實的d-分離420
11.8　工具變量與不依從性421
11.9　更多關(guān)于因果關(guān)系的概率422
11.9.1　“有罪的概率為1”有可能嗎422
11.9.2　收緊因果關(guān)系的概率界限424
后記：因果的藝術(shù)與科學(xué)427
參考文獻462
索引488