Nedensel analize giriş

Nedensel analiz yapan iyi kitaplar nelerdir? Hem nedensel analizin prensiplerini hem de bu prensipleri uygulamak için ne kadar farklı istatistiksel metotların kullanılabileceğini gösteren bir giriş yapmayı düşünüyorum.

Bir sosyal bilimler almak için Morgan ve Winship'i (2007) ya da bir epidemiyolojik almak için Hernan ve Robins'i (yakında) deneyin . Halen devam etmesine rağmen, bu çok iyi olacak gibi görünüyor.

Morgan ve Winship, regresyon tipi modellerin nedensel yorumlamaları için neyin varsayılması gerektiği konusunda özellikle iyidir.

Pearl (2000) sonuçta çok iyi bir okuma olmasına rağmen, hiçbir şekilde tanıtım niteliğinde değildir. Özellikle yapısal denklem modellerini yorumlarken, web sitesinin bazılarını ve belirli makalelerini yararlı bulabilirsiniz . Çoğunlukla teknik rapor olarak bulunurlar.

Güncelleme : İnci, Glymour ve Jewell en (2017) İstatistik Nedensel Çıkarım: A Primer , bir tanıtım olsa. Ve ayrıca çok iyi.

Pearl son zamanlarda yeni başlayanlar için yeni bir kitap yayınladı: İstatistiklerde Nedensel Çıkarım: A Astar . Daha önce yönlendirilmiş asiklik grafiklerle nedensellik görmediyseniz, buradan başlamalısınız. Ve kitabın tüm çalışma sorularını yapmalısınız - — bu yeni araçlar ve gösterimde bilgi sahibi olmanıza yardımcı olacaktır.

İnci ayrıca genel izleyici için amaçlayan bir kitap yayınladı, Why Kitabı May 2018 satışa sunulacak olan.

Aynı zamanda yeni başlayanlar için de amaçlanan Miguel Hernán, edX Nedensel Diyagramlar: Yeni bir nedensel çıkarım kursuna yeni başladı .

In Toplumsal Araştırmalar Nedensel Analiz El Kitabı , aynı zamanda çok var grafiksel modellere çok samimi bir giriştir Felix Elwert Bölüm 13 tarafından iyi metin.

Nedensel grafiklere "nazik tanıtımlar" (Pearl'ün dediği gibi) içeren diğer iki iyi makale Pearl (2003 ) ve Pearl (2009). İlk makale de tartışmalarla geliyor.

Diğer insanların da belirttiği gibi Morgan ve Winship çok iyi bir ders kitabıdır - sosyal bilimciler için çok arkadaşça ama kapsamlı bir giriş --- ve hem grafik modelleri hem de potansiyel sonuçları kapsar.

Bir var Imbens ve Rubin tarafından son kitabı diğer kitaplar ile ek gereken bu yüzden bazı randomize deneyler parçaları, ama göpehler orada hiçbir şeydir --- sadece, olası sonuç çerçevesi maruz kalmanızı sağlayacaktır daha büyük ölçüde kapaklar, yukarıda da belirtildiği gibi.

Ekonomistler arasında Angrist ve Pischke'nin lisans ve lisans kitapları popülerdir. Ancak ortak stratejilere / püf noktalara - araçsal değişkenler, farklılıklar arasındaki farklara, RDD'ye vb. Odaklandıklarını fark etmek önemlidir . Böylece daha uygulamalı bir bakış açısına sahip bir lezzet elde edebilirsiniz, ancak yalnızca daha büyüğünü elde edemezsiniz. tanımlama problemleri hakkında resim.

Nedensel keşifle ilgileniyorsanız ve daha fazla Makine Öğrenmesi odaklı bir yaklaşım istiyorsanız, Peters, Janzing ve Scholkopf , Nedensel çıkarımın Unsurları hakkında yeni bir kitap hazırlarsa , pdf ücretsizdir.

Burada “İstatistik Eğitiminde Nedensellik” ödülünden bahsetmeye değer . Web sayfasında, 2013'ün başından beri her yıl ödülü kazanan birçok sınıf için slaytlar ve diğer materyaller bulabilirsiniz. Bu damarda VanderWeele'nin kitabını da fark etmeye değer .

Sonunda, açıkça belirtildiği gibi, Pearl'ün artık klasik kitabı var . Yukarıda belirtilen daha ön materyallerin okunması, okumanıza yardımcı olacaktır.

Austin Nichols'un yeni çıkacak kitabı Nedensel Çıkarım: x'in y üzerindeki etkisini ölçmek için çok büyük beklentilerim var . Beklenen yayın tarihi 2013'tür . Bu süre içinde, onun sadaka ve kağıt paneli yöntemleri enstrümantal değişkenlerin, eğilim skoru eşleşmesi / yeniden ağırlıklandırma ve regresyon süreksizliği güzel bakış sağlar. Tüm bu tahmin ediciler (ve RKÇ'ler) arasındaki karşılaştırmalar, özellikle Stata mini öğreticilerinin (Stata kullanıcısı değilseniz atlanabilecek) yanı sıra özellikle yararlıdır. Daha derine inmek istiyorsanız, verilen referanslar sağlanmıştır. Ne yazık ki, burada yapısal denklemler hakkında çok fazla bir şey yok, ancak bu Morgan ve Winship kitabında da geçerli. Onların ARS kağıdı daha kısa, biraz tarihli olsa da, genel bakış.

Pearl'ü bu malzemeye ilginç ama zor bir giriş olarak buldum. Bu fikirlere ilk maruz kalmam olsaydı, okuduktan sonra, yöntemlerden herhangi birinin nasıl iyi uygulanacağını bildikten sonra uzaklaştığımı bilmiyorum.

Son olarak, burada Michigan Üniversitesi'nde 2012 Nedensel Çıkarım Sempozyumu'ndan ekonomist James Heckman ve Pearl tarafından yapılan video sunumları ve slaytlar yer almaktadır . Yapısal modellerde burada bir sürü şey var.

Cosma Shalizi'nin İlkel Bakış Açısından İleri Veri Analizi ders kitabı mükemmel bir nedensellik kapsamına sahiptir. (Ders kitabı hala taslak biçimindedir ve çevrimiçi olarak pdf olarak mevcuttur, bu nedenle ücretsiz olmanın avantajına sahiptir.)

Bununla birlikte, (a) nedensel etkilerin büyüklüğünü tahmin etme yöntemleri veya (b) nedensel ağların yapısını öğrenme (yani hangi değişkenlerin diğerlerini etkilediğini öğrenme ) yöntemleriyle ilgilenip ilgilenmediğinize karar vermelisiniz . (A) için pek çok referans var, bence Pearl'ün Nedensellik en iyisidir. (B) için çok az tanıtım referansı vardır; Cosma'nın ders kitabının en iyisi olduğunu düşünüyorum, ancak kapsamlı değil.

CMU, 2013'te nedensel yapı öğrenimi hakkında bazı harika tanıtım görüşmelerine ev sahipliği yaptı. Richard Scheines , temel kavramlara uzun ve yumuşak bir giriş olan Tetrad'ı kullanarak nedensel çıkarım konusunda bir eğitim verdi . Frederick Eberhardt , sanat havasına hızlı bir bakış niteliğindeki All Causal Discovery'yi sundu . Biri veya her ikisi de yardımcı olabilir; Frederick'in konuşması, bir sonraki nereye gideceğiniz konusunda size birçok fikir vermeli.

Tavsiye ederim:

Regresyon ve Çok Düzeyli / Hiyerarşik Modeller Kullanarak Veri Analizi (Gelman & Hill)

Bölüm9 ve Bölüm10 nedensel çıkarsama ve kamuya açık hakkındadır.

Gelman'ın karmaşık kavramları tamamen anlatan harika bir yazar olduğu bilinmektedir.

Ayrıca web blogunu da göz önünde bulundurun: http://andrewgelman.com/ nedensel çıkarım hakkında birçok materyal var.

Tüm olası yöntemlerin tam resmini alamazsınız, ancak neler olup bittiği hakkında muhtemelen ayrıntılı bir açıklama elde edersiniz.

Not: Gelman'ın 8 okulundaki tedavi etkisi analizi, hiyerarşik modellemede klasik bir bayesian istatistik örneği oldu.