인과 분석 소개

인과 분석을 소개하는 좋은 책은 무엇입니까? 인과 분석의 원리를 설명하고 이러한 통계를 적용하기 위해 다양한 통계 방법을 사용할 수있는 방법을 소개하는 소개를 생각하고 있습니다.

사회 과학 분야의 경우 Morgan and Winship (2007) , 역학 분야의 경우 Hernan 및 Robins ( 예측 ) 을 사용해보십시오 . 여전히 진행 중이지만 이것은 매우 좋은 것처럼 보입니다.

Morgan and Winship은 회귀 유형 모델의 인과 적 해석을 위해 가정해야 할 사항에 특히 적합합니다.

Pearl (2000)은 의미가 전혀 없지만, 궁극적으로 매우 잘 읽습니다. 그의 웹 사이트 및 특정 기사 중 특히 구조 방정식 모델 해석에 유용한 기사를 찾을 수 있습니다 . 대부분 기술 보고서로 제공됩니다.

업데이트 : 진주, Glymour 및 주얼의 (2017) 통계에 인과 관계 추론 : 뇌관은 , 이다 소개하지만. 그리고 아주 좋습니다.

Pearl은 최근 초보자를 대상으로 한 새로운 책을 발간했습니다 : 통계의 인과 추론 : 입문서 . 이전에 방향성 비순환 그래프로 인과 관계를 본 적이 없다면 여기서 시작해야합니다. 또한이 책의 모든 연구 문제를 수행해야합니다 .— 이는 새로운 도구와 표기법을 익히는 데 도움이됩니다.

Pearl은 또한 2018 년 5 월에 출시 될 일반 대중을위한 책인 The Book of Why 를 발표합니다.

또한 초보자를 목표로 Miguel Hernán은 edX Causal Diagrams : 결론 을 내리기 전에 가정을 그리는 새로운 인과 추론 과정을 시작했습니다 .

에서 사회 연구에 대한 인과 분석의 핸드북 도 매우있다 그래픽 모델 매우 친절 소개 펠릭스 Elwert, 제 13 장에 의해 좋은 텍스트입니다.

인과 적 그래프에 대한 "부드럽게 소개 된"(펄이 말하는 것처럼) 다른 두 좋은 논문은 Pearl (2003 )과 Pearl (2009)입니다. 첫 번째 논문은 토론과 함께 제공됩니다.

다른 사람들이 언급했듯이 Morgan and Winship은 매우 훌륭한 교과서입니다 .— 사회 과학자들에게는 매우 친절하지만 포괄적 인 소개입니다 .-- 그래픽 모델과 잠재적 결과를 모두 다룹니다.

Imbens와 Rubin 의 최근 저서 에서 무작위 실험의 일부를 다루고 있지만 DAGS에는 아무것도 없습니다 --- 잠재적 결과 프레임 워크에만 노출되므로 다른 책으로 보충해야합니다. 위에서 언급 한 것과 같이.

경제학자들 사이 에서 Angrist와 Pischke 의 대학원 및 학부 도서가 인기가 있습니다. 그러나 이들이 공통 전략 / 트릭 에 중점을 두는 것이 중요합니다 .-도구 변수, 차이의 차이, RDD 등. 따라서 더 적용되는 관점의 풍미를 얻을 수 있지만 식별 문제에 대한 그림.

인과 적 발견에 관심이 있고 더 많은 머신 러닝 지향적 접근 방식을 원한다면 Peters, Janzing 및 Scholkopf는 인과 관계 추론 요소에 대한 새로운 책을 가지고 있습니다 . pdf는 무료입니다.

여기서 "통계 교육의 인지도"상을 언급 할 가치가 있습니다 . 웹 페이지에서 2013 년 초부터 매년 수상한 여러 클래스의 슬라이드 및 기타 자료를 찾을 수 있습니다.이 맥락에서 VanderWeele의 책을 주목할 가치가 있습니다 .

마지막으로, 이미 언급했듯이 이제 Pearl의 고전 서적이 있습니다. 위에 인용 된 예비 자료를 읽으면 읽는 데 도움이됩니다.

나는 오스틴 니콜스의 다가오는 책 인과 추론 : x에 대한 y의 영향 측정에 대한 기대가 매우 높습니다 . 출판 예정일은 2013 년 입니다. 그 동안 유인물 과 논문 은 패널 방법, 도구 변수, 성향 점수 일치 / 무게 및 회귀 불연속에 대한 훌륭한 개요를 제공합니다. Stata 미니 튜토리얼 (Stata 사용자가 아닌 경우 건너 뛸 수 있음)뿐만 아니라 이러한 모든 추정기 (및 RCT) 간의 비교가 특히 유용합니다. 더 깊이 파고 싶다면 선별 된 참조가 제공됩니다. 불행히도, 여기에 구조적 방정식에 관한 것은 많지 않지만 Morgan and Winship 책에서도 마찬가지입니다. 그들의 ARS 종이 다소 짧지 만 개요는 짧습니다.

Pearl은이 자료에 대한 흥미롭지 만 어려운 소개라는 것을 알았습니다. 이 아이디어에 처음 노출 된 경우, 방법을 잘 적용하는 방법을 알고 그것을 읽은 후에 나갔을 지 모르겠습니다.

마지막으로, 미시간 대학교에서 열린 2012 인과 추론 심포지엄에서 경제학자 James Heckman과 Pearl의 비디오 프리젠 테이션과 슬라이드 가 있습니다. 구조 모델에 대한 많은 것들이 있습니다.

Cosma Shalizi의 교과서 초급 관점에서의 고급 데이터 분석 은 인과 관계가 뛰어납니다. (교과서는 여전히 초안 형태이며 PDF로 온라인으로 제공되므로 무료라는 추가 이점이 있습니다.)

그러나 (a) 인과 관계 영향의 크기를 추정 하거나 (b) 인과 관계를 학습하는 방법 (즉, 어떤 변수가 다른 변수에 영향을 미치는지를 배우는 )에 대한 방법에 관심이 있는지 여부를 결정해야합니다 . (a)에 대한 많은 참고 문헌 이 있습니다. 진주의 인과 관계 가 최고 라고 생각 합니다. (b)에 대한 소개 참조는 거의 없다. 코스 마의 교과서가 최고라고 생각하지만 종합적이지는 않습니다.

CMU는 2013 년에 인과 구조 학습에 대한 훌륭한 입문 강연을 주최했습니다. Richard Scheines는 기본 개념에 대한 길고 부드러운 소개 인 Tetrad를 사용하여 인과 추론에 대한 자습서를 발표했습니다 . 프레 더릭 에버하르트 (Frederick Eberhardt)는 최신 기술에 대한 개괄적 인 개요 인 All of Causal Discovery를 발표했습니다 . 그들 중 하나 또는 둘 다 도움이 될 수 있습니다. 프레드릭의 이야기는 다음에 갈 곳에 대한 많은 아이디어를 제공해야합니다.

나는 추천한다 :

회귀 및 다단계 / 계층 모델을 사용하여 데이터 분석 (Gelman & Hill)

9 장 과 10 장은 인과 추론에 관한 것이며 공개적으로 접근 할 수 있습니다.

Gelman은 복잡한 개념을 철저히 설명하는 훌륭한 작가로 알려져 있습니다.

또한 그의 웹 블로그 ( http://andrewgelman.com/)를 고려하십시오 .

가능한 모든 방법에 대한 전체 그림을 얻을 수는 없지만 진행 상황에 대한 매우 자세한 설명을 얻을 수 있습니다.

추신 : Gelman의 8 개 학교 치료 효과 분석은 계층 적 모델링에 대한 베이지안 통계의 전형적인 예가되었습니다.