การวิเคราะห์เชิงสาเหตุเบื้องต้น

หนังสือดีอะไรที่แนะนำการวิเคราะห์เชิงสาเหตุ ฉันคิดถึงการแนะนำที่ทั้งสองอธิบายหลักการของการวิเคราะห์เชิงสาเหตุและแสดงให้เห็นว่าวิธีการทางสถิติที่แตกต่างกันสามารถนำมาใช้ในการประยุกต์ใช้หลักการเหล่านี้ได้อย่างไร

ลองใช้Morgan และ Winship (2007)เพื่อเข้าสังคมศาสตร์หรือHernan and Robins (เตรียมพร้อม)สำหรับการระบาดวิทยา แม้ว่าจะยังอยู่ในระหว่างดำเนินการ แต่ดูเหมือนว่ามันจะดีมาก

Morgan และ Winship นั้นดีเป็นพิเศษในสิ่งที่ต้องนำมาใช้ในการตีความเชิงสาเหตุของตัวแบบการถดถอย

Pearl (2000) ไม่เกริ่นนำแม้ว่าจะเป็นการอ่านที่ดีที่สุด คุณอาจพบว่าบางเว็บไซต์และบทความเฉพาะของเขามีประโยชน์โดยเฉพาะในการตีความโมเดลสมการโครงสร้าง ส่วนใหญ่จะเป็นรายงานทางเทคนิค

ปรับปรุง : เพิร์ล Glymour และมณี (2017) สาเหตุการอนุมานในสถิติ: รองพื้น , คือแม้ว่าเบื้องต้น และดีมากเช่นกัน

เพิร์ลเมื่อเร็ว ๆ นี้ตีพิมพ์เป็นหนังสือเล่มใหม่มุ่งเป้าสำหรับผู้เริ่มต้น: สาเหตุการอนุมานในสถิติ: รองพื้น หากคุณไม่เคยเห็นความเป็นเวรกรรมกับกราฟเชิงเส้นกำกับมาก่อนนี่คือจุดที่คุณควรเริ่ม และคุณควรทำคำถามศึกษาทั้งหมดของหนังสือเล่มนี้ - สิ่งนี้จะช่วยให้คุณคุ้นเคยกับเครื่องมือและสัญลักษณ์ใหม่

Pearl ยังมีการวางจำหน่ายหนังสือสำหรับผู้อ่านทั่วไปThe Book of Whyซึ่งจะวางจำหน่ายในเดือนพฤษภาคม 2561

มีวัตถุประสงค์เพื่อผู้เริ่มต้นด้วย Miguel Hernánเพิ่งเริ่มต้นการอนุมานเชิงสาเหตุใหม่ในแผนภาพสาเหตุedX : วาดข้อสันนิษฐานของคุณก่อนข้อสรุปของคุณ

ในคู่มือการวิเคราะห์เชิงสาเหตุเพื่อการวิจัยทางสังคมนอกจากนี้ยังมีข้อความที่ดีมากโดยเฟลิกซ์เอลเวิร์ตบทที่ 13 ซึ่งเป็นการแนะนำที่เป็นมิตรกับโมเดลกราฟิก

เอกสารที่ดีอีกสองฉบับที่มี "การแนะนำอย่างอ่อนโยน" (ดังที่ Pearl ชอบพูด) กับกราฟเชิงสาเหตุคือPearl (2003 ) และPearl (2009) บทความแรกมาพร้อมกับการอภิปรายเช่นกัน

อย่างที่คนอื่น ๆ พูดถึงMorgan และ Winship เป็นหนังสือเรียนที่ดีมากสำหรับนักสังคมศาสตร์ที่มีการแนะนำที่เป็นมิตร แต่ครอบคลุมซึ่งครอบคลุมทั้งแบบกราฟิกและผลลัพธ์ที่เป็นไปได้

มีหนังสือเล่มล่าสุดโดย Imbens และ Rubinซึ่งครอบคลุมการทดลองแบบสุ่มบางส่วนในระดับที่สูงขึ้น แต่ไม่มีอะไรใน DAGS --- มันจะเปิดเผยให้คุณเห็นถึงกรอบผลลัพธ์ที่เป็นไปได้ดังนั้นคุณต้องเสริมด้วยหนังสือเล่มอื่น ตามที่กล่าวไว้ข้างต้น

ในบรรดานักเศรษฐศาสตร์หนังสือบัณฑิตและปริญญาตรีของ Angrist และ Pischke นั้นเป็นที่นิยม แต่สิ่งสำคัญคือการสังเกตว่าพวกเขามุ่งเน้นไปที่กลยุทธ์ / กลวิธีทั่วไป - ตัวแปรเครื่องมือ, ความแตกต่างในความแตกต่าง, RDD เป็นต้นดังนั้นคุณจะได้รับรสชาติของมุมมองที่ถูกนำไปใช้มากขึ้น รูปภาพเกี่ยวกับปัญหาการระบุตัวตน

หากคุณมีความสนใจในการค้นพบสาเหตุและต้องการวิธีการเรียนรู้เชิงกลไกเพิ่มเติม Peters, Janzing และ Scholkopf มีหนังสือเล่มใหม่เกี่ยวกับองค์ประกอบของการอนุมานเชิงสาเหตุ PDF ฟรี

เป็นมูลค่าการกล่าวขวัญที่นี่รางวัล"Causality ในสถิติการศึกษา" บนหน้าเว็บคุณสามารถดูสไลด์และวัสดุอื่น ๆ สำหรับหลายชั้นเรียนที่ได้รับรางวัลในแต่ละปีตั้งแต่เริ่มต้นในปี 2013 ในหลอดเลือดดำนี้ยังมีมูลค่าที่จะสังเกตเห็นหนังสือของ VanderWeele

สุดท้ายเป็นที่เห็นได้ชัดกล่าวแล้วมีหนังสือคลาสสิกตอนนี้ไข่มุก การอ่านเนื้อหาเบื้องต้นเพิ่มเติมที่อ้างถึงข้างต้นจะช่วยให้คุณอ่านได้

ฉันมีความคาดหวังสูงมากสำหรับหนังสือเตรียมพร้อมออสตินนิโคลส์สาเหตุอนุมาน: การวัดผลของ x ในปี ตีวันที่คาดไว้คือ2,013 ในเวลาเฉลี่ยของเขาเอกสารและกระดาษให้ภาพรวมที่ดีของวิธีการแผงตัวแปรนิสัยชอบจับคู่คะแนน / reweighting และถดถอยต่อเนื่อง การเปรียบเทียบระหว่างตัวประมาณค่าเหล่านี้ (และ RCT) มีประโยชน์อย่างยิ่งเช่นเดียวกับ Stata mini-tutorials (สามารถข้ามได้หากคุณไม่ใช่ผู้ใช้ Stata) ข้อมูลอ้างอิงที่รวบรวมไว้มีไว้หากคุณต้องการขุดลึกลงไป น่าเสียดายที่มันมีสมการเชิงโครงสร้างไม่มากที่นี่ แต่นั่นก็เป็นจริงสำหรับหนังสือ Morgan และ Winship กระดาษ ARSของพวกเขา เป็นภาพรวมที่สั้นลง

ฉันพบว่า Pearl เป็นสิ่งที่น่าสนใจ แต่ยากสำหรับการแนะนำเนื้อหานี้ ถ้าเป็นครั้งแรกที่ฉันได้สัมผัสกับความคิดเหล่านี้ฉันไม่รู้ว่าฉันจะเดินออกไปหลังจากอ่านได้หรือไม่โดยรู้ว่าจะใช้วิธีใดวิธีหนึ่งได้ดีมาก

ท้ายที่สุดนี่คือการนำเสนอวิดีโอและสไลด์โดยนักเศรษฐศาสตร์ James Heckman และ Pearl จากการประชุมวิชาการเชิงอนุมานเชิงสาเหตุปี 2555 ที่มหาวิทยาลัยมิชิแกน มีสิ่งต่าง ๆ มากมายในแบบจำลองโครงสร้างที่นี่

ตำราการวิเคราะห์ข้อมูลขั้นสูงของ Cosma Shalizi จากมุมมองเบื้องต้นมีความครอบคลุมที่ยอดเยี่ยมเกี่ยวกับสาเหตุ (หนังสือเรียนยังคงอยู่ในรูปแบบร่างและสามารถออนไลน์ได้ในรูปแบบ pdf ดังนั้นจึงมีประโยชน์เพิ่มเติมจากการเป็นอิสระ)

คุณควรตัดสินใจว่าคุณสนใจวิธีการ (ก) ประมาณขนาดผลกระทบเชิงสาเหตุหรือ (ข) การเรียนรู้โครงสร้างของเครือข่ายเชิงสาเหตุ (เช่นการเรียนรู้ว่าตัวแปรใดมีอิทธิพลต่อผู้อื่น) มีการอ้างอิงมากมายสำหรับ (a) ฉันคิดว่าCausalityของ Pearl นั้นดีที่สุด มีการอ้างอิงเบื้องต้นสำหรับ (b); ฉันคิดว่าตำราเรียนของ Cosma ดีที่สุด แต่ก็ไม่ครอบคลุม

มหาวิทยาลัยเชียงใหม่ได้เป็นเจ้าภาพการพูดคุยเบื้องต้นเบื้องต้นเกี่ยวกับการเรียนรู้โครงสร้างเชิงสาเหตุในปี 2556 Richard Scheines นำเสนอการสอนเกี่ยวกับการอนุมานเชิงสาเหตุโดยใช้ Tetradซึ่งเป็นการแนะนำระยะยาวและอ่อนโยนต่อแนวคิดพื้นฐาน Frederick Eberhardt นำเสนอAll of Causal Discoveryภาพรวมที่ก้าวล้ำของศิลปะ หนึ่งหรือทั้งคู่อาจมีประโยชน์ คำพูดของเฟรดเดอริกควรให้แนวคิดมากมายเกี่ยวกับสถานที่ที่จะไปต่อไป

ฉันอยากจะแนะนำ:

การวิเคราะห์ข้อมูลโดยใช้การถดถอยและโมเดลหลายระดับ / ลำดับชั้น (Gelman & Hill)

Chapter9และChapter10เกี่ยวกับการอนุมานสาเหตุและสาธารณชนสามารถเข้าถึง

Gelman เป็นที่รู้จักกันดีว่าเป็นนักเขียนที่ยอดเยี่ยมที่อธิบายแนวคิดที่ซับซ้อนอย่างละเอียด

ลองพิจารณาเว็บบล็อกของเขาด้วย: http://andrewgelman.com/มีเนื้อหามากมายเกี่ยวกับการอนุมานสาเหตุ

คุณไม่ได้รับภาพรวมของวิธีการที่เป็นไปได้ทั้งหมด แต่คุณอาจได้รับคำอธิบายอย่างละเอียดเกี่ยวกับสิ่งที่เกิดขึ้น

PS: การวิเคราะห์ผลการรักษา 8 โรงเรียนของ Gelman กลายเป็นตัวอย่างคลาสสิกของสถิติแบบเบย์ของการสร้างแบบจำลองลำดับชั้น