哈佛教授新书《因果推理》开放下载！311页畅享阅读

AI科技评论今天给大家介绍一本有关因果推理的书籍：《Causal Inference: What If 》。

这本书是由哈佛大学教授Miguel A. Hernán和James M. Robins两位教授合著的新书，即将由CRC出版。

好消息是两位教授在自己的网站上放出了该书的电子版，一共311页，读者可以直接下载PDF免费阅读。

书籍介绍：走向不那么随意的因果推理

《因果推理》是一个公认自命不凡的书名。因果推理是一项复杂的科学任务，它依赖于多个来源的 三角互证（ triangulating evidence）以及各种方法论的应用。任何一本书都不可能全面地描述跨学科因果推理的所有方法。任何因果推理书的作者都必须选择他们想要强调的因果推理方法论的某些方面。

本书介绍的标题——“走向不那么随意的因果推理”反映了本书作者的选择：这本书帮助科学家生成和分析数据、做出明确的因果推断，包括因果问题和数据分析的假设。不幸的是，科学文献被研究所困扰，在这些研究中，很多因果问题往往没有被明确说明，研究者无法证实的假设也没有公布。

这种对因果推理的随意态度导致了科学研究中存在着大量的混乱之处。例如，在研究中发现影响估计难以解释的研究并不少见，因为数据分析方法无法在研究者的假设（是否声明）下恰当地回答因果问题（是否明确声明）。

在这本书中，作者强调需要采取足够严肃的态度来认真对待和阐明因果问题，并描绘数据和因果推理假设的单独作用。一旦这些基础建立起来，因果推理就不会太过随意，还有助于防止科学混淆。

本书描述了各种数据分析方法，以估计在一组特定的假设下，每个变量个体的因果关系。另外本书的一个关键信息是，因果推理不能简化为数据分析的简单集合。

书籍组织结构

这本书分为难度越来越大的三部分：

第一部分是无模型的因果推理（Causal inference without models，即因果效应的非参数识别）；

第二部分是有模型的因果推理（Causal inference with models，即用参数模型估计因果效应）；

第三部分是复杂纵向数据的因果推理（Causal inference from complex longitudinal data即因果效应的时变估计）。

在全文中，本书穿插了一些要点（Fine Points）和技术点（Technical points）用以详细阐述正文中提到的某些主题。要点是服务所有读者，而技术点的设计则是为了那些接受过统计学方面中等程度训练的读者设计的。

本书对之前分散在多个学科期刊中的因果推理概念和方法进行了紧凑的介绍。

本书期望对所有做因果推理的专业人士都能有所帮助，包括计算机科学家、流行病学家、统计学家、心理学家、经济学家、社会学家、政治学家等等。

最后作者指出本书不是一本哲学书，作者仍然对形而上学的因果关系概念不甚清晰。本书仅希望通过可操作的因果推理，帮助决策者做出更好的决策。

本书完整目录：

本书插图示例：

网站：

https://www.hsph.harvard.edu/miguel-hernan/causal-inference-book/

书籍下载链接：

https://cdn1.sph.harvard.edu/wp-content/uploads/sites/1268/2021/01/ciwhatif_hernanrobins_31dec20.pdf

[赠书福利]

AI科技评论本次联合【博文视点】为大家带来15本“《labuladong 的算法小抄》”正版新书。

在1月1日头条文章《我多篇顶会论文在手，面试AI算法岗时竟然还要刷算法题？| 元旦送书福利》留言区畅所欲言，谈一谈你刷算法的故事，或你对2020的总结或者是对2021年的规划和心愿，甚至可以是新的一年对AI科技评论的建议和期待，有哪些喜欢看的报道，还希望看到什么样的报道？

AI 科技评论将会在留言区选出 15名读者，每人送出《labuladong 的算法小抄》一本。

活动规则：

1. 在1月1日头条文章（注意不是本文！）下面留言，留言点赞最高的前 15 位读者将获得赠书。获得赠书的读者请联系 AI 科技评论客服（aitechreview）。

2. 留言内容会有筛选，例如“选我上去”等内容将不会被筛选，亦不会中奖。

3. 本活动时间为2021年1月1日 - 2021年1月7日（23:00），活动推送内仅允许中奖一次。