因果分析の概要

因果分析を紹介する良い本は何ですか？私は、因果分析の原理を説明し、これらの原理を適用するために異なる統計的方法をどのように使用できるかを示す紹介を考えています。

社会科学のテイクにはMorgan and Winship（2007 ）を、疫学のテイクにはHernan and Robins（今後）を試してください。まだ進行中ですが、これは非常にうまくいくようです。

Morgan and Winshipは、回帰型モデルの因果的解釈のために想定しなければならない点で特に優れています。

Pearl（2000）は入門書ではありませんが、最終的には非常に優れています。彼のウェブサイトと特定の記事のいくつかは、特に構造方程式モデルの解釈に関して役に立つかもしれません。それらは主に技術レポートとして入手可能です。

アップデート：パール、Glymourとジュエルの（2017）の統計では因果推論：Aプライマーは、ある入門けれども。そして非常に良い。

パールは最近、初心者向けの新しい本「統計の因果推論：入門書」を出版しました。有向非巡回グラフで因果関係を見たことがない場合、ここから始めましょう。そして、あなたは本のすべての勉強の質問をするべきです-これは、あなたが新しいツールと表記法に精通するのを助けるでしょう。

パールはまた、2018年5月に利用可能になる一般読者向けの本「The Book of Why」をリリースしています。

また、初心者を対象としたMiguelHernánは 、edX 因果図に関する新しい因果推論コースを開始しました：結論の前に仮定を描く。

で社会調査のための原因分析のハンドブック、また非常にありますグラフィカルモデルに非常に友好的導入であるフェリックスElwert、第13章、によって良いテキスト。

因果グラフへの「穏やかな紹介」（パールが言うのが好きな）を持つ他の2つの良い論文は、パール（2003）とパール（2009）です。最初の論文にも議論があります。

他の人が言ったように、モーガンとウィンシップは非常に良い教科書です ---社会科学者にとって非常に友好的で包括的な紹介---そしてそれはグラフィカルなモデルと潜在的な結果の両方をカバーします。

ImbensとRubinによる最近の本があります。これはランダム化された実験の一部を大部分カバーしていますが、DAGSには何もありません。上記のように。

経済学者の間では、AgristとPischkeによる卒業生と学部生の本が人気です。しかし、共通の戦略/トリックに焦点を当てていることに注意することが重要です---インストルメンタル変数、相違点の違い、RDDなど。識別の問題に関する図。

因果発見に興味があり、より機械学習指向のアプローチが必要な場合、Peters、Janzing、およびScholkopfがElements of Causal inferenceの新しい本を公開しています。pdf は無料です。

ここで「統計教育の因果関係」賞に言及する価値があります。そのウェブページでは、2013年の開始以来毎年賞を獲得したいくつかのクラスのスライドやその他の資料を見つけることができます。この流れでは、VanderWeeleの本にも注目する価値があります。

最後に、明らかにすでに述べたように、真珠の今古典的な本があります。上で引用した予備資料の読み方は、あなたが読むのに役立ちます。

オースティン・ニコルズの近刊本「因果推論：xのyに対する影響の測定」に非常に期待しています。公開予定日は2013年です。それまでの間、彼の配布資料と論文は、パネルメソッド、インストルメンタル変数、傾向スコアのマッチング/再重み付け、回帰の不連続性の概要を提供します。これらのすべての推定量（およびRCT）の比較は、Stataミニチュートリアル（Stataユーザーでない場合はスキップできます）と同様に特に役立ちます。より深く掘り下げたい場合は、キュレーションされた参照が提供されます。残念ながら、ここでは構造方程式についてはあまり説明していませんが、Morgan and Winshipの本にも当てはまります。彼らのARS論文 短いですが、多少古くなっていますが、概要です。

パールは、この素材の興味深い、しかし難しい紹介です。これらのアイデアに初めて触れたのであれば、いずれかの方法を非常にうまく適用する方法を知っていたので、読んだ後に立ち去ったかどうかはわかりません。

最後に、エコノミストのジェームズ・ヘックマンとパールがミシガン大学で開催された2012年因果推論シンポジウムのビデオプレゼンテーションとスライドを紹介します。ここには構造モデルに関するものがたくさんあります。

Cosma Shaliziの教科書「初歩的な視点からの高度なデータ分析」には、因果関係に関する優れた記事があります。（教科書はまだドラフト形式であり、pdf形式でオンラインで入手できるため、無料であるという利点もあります。）

ただし、（a）因果効果のサイズを推定する方法、または（b）因果ネットワークの構造を学習する方法（つまり、どの変数が他の変数に影響を与えるかを学習する）に興味があるかどうかを判断する必要があります。（a）には多くの参照がありますが、私は真珠の因果関係が最高だと思います。（b）の紹介資料はほとんどありません。コスマの教科書は最高だと思いますが、包括的なものではありません。

CMUは、2013年に因果構造学習に関する素晴らしい入門講演を開催しました。RichardScheinesは、Tetrad を使用した因果推論のチュートリアルを提供しました。フレデリック・エバーハルトは、最先端技術の急速な概観である因果発見のすべてを発表しました。それらの一方または両方が役立つ場合があります。フレデリックの講演は、次にどこに行くべきかについての多くのアイデアを与えるはずです。

私はお勧めします：

回帰およびマルチレベル/階層モデルを使用したデータ分析（Gelman＆Hill）

第9章と第10 章は因果推論に関するものであり、一般に公開されています。

ゲルマンは、複雑な概念を徹底的に説明する優れた作家として知られています。

また、彼のWebブログ（http://andrewgelman.com/）を検討してください。因果推論に関する資料がたくさんあります。

すべての可能な方法の全体像は得られませんが、おそらく何が起こっているのかについて非常に精巧な説明を得るでしょう。

PS：Gelmanの8つの学校の治療効果分析は、階層モデリングのベイジアン統計の典型的な例になりました。