《Causal Inference — What If》是由Miguel Hernán and James Robins编写的，对Causal Inference的概念和方法做了系统的阐述，适合对于统计学有一定基础的同学。

 

为什么要推荐这本书呢？主要有以下四个原因

 

1） 对Causal Inference的概念和方法做了系统的阐述，并且有很多很好的example

1-4章主要涵盖了一些关键概念，例如潜在结果（在特定治疗值下观察到的结果变量）、个体和平均因果效应、随机化，可识别性条件，可交换性，积极性和一致性。下表显示了在治疗（a = 1 心脏移植）和不治疗（a = 0）下的反事实结果（死亡与否），一些实际案例和定义可以帮助你更好的学习这一块。

2） 有一些很实用的方法

最重要的是，本书附带了大量的 R 和 Python code example，涵盖了前两部分，包括第 11-17 章。

3） 讲述了各种各样用于进行因果推断的模型，包括工具变量法（IV）、倾向得分匹配分析（PSM）、调节效应，机构方程等等。

4） 这是一本带点幽默感的书

一般来说，Technical books的书籍一般都是读起来或者学起来很枯燥的，但是这本书的内容其实更有趣和便于理解。

 

比如：当讨论the potential outcomes of the heart transplant treatment in Zeus’s extended family，作者是这样介绍采样变异性问题的。

At this point you could complain that our procedure to compute effect measures is somewhat implausible. Not only did we ignore the well-known fact that the immortal Zeus cannot die, but more to the point — our population in Table 1.1 had only 20 individuals. Chapter 1.4）

   Do not worry. No more chapter introductions around the effect of your looking up on other people’s looking up. We squeezed that example well beyond what seemed possible（Chapter 11）

 

附上链接，有需求的自取：