凡是搞计量经济的，都关注这个号了

稿件：econometrics666@126.com

计量经济圈公众号搜索功能及操作流程演示

简短评论

Causal Inference for Statistics, Social, and Biomedical Sciences: An Introduction (Imbens & Rubin, 2015)

Mostly Harmless Econometrics by Joshua D. Angrist and Jörn-Steffen Pischke:

在经济学、管理学领域广受欢迎，成为硕博研究生必读经典计量书籍，可以参看：USA经管商博士最狂热崇拜的计量书籍震撼出炉。关于安神，可以参看：①我是安神, 我为因果推断计量代言，②Sims与安神的论战从未停止,JOE卷入第三次大论战，③Angrist因果推断课程，经典期刊读物汇集，④J.Angrist就因果推断长篇评论+音频版，⑤J.Angrist就因果推断长篇评论+音频版(2)，⑥安神+克拉克奖得主的RDD论文, 断点回归设计。

适合做研究的人使用，不适合初学者。适合做reduced form的人用，这是目前集大成的指南。对OLS和IV，从方法论到各种应用，讲解极为详细。本书一个很重要的核心观念，就是把所有目前流行的带实验色彩的估计方法，全部放在回归的框架中分析和讨论，包括DID,DD, MATCHING。没有任何关于field experiment的内容，没有任何实验设计的内容。

如果没有研读过这本书，你大概会错过社会学因果分析在近30年最精彩的讨论，然后在研究设计上落后“30年。

Elements of Causal Inference: Foundations and Learning Algorithms

Causal Inference: What If

Causal Inference in Statistics: A Primer

Causality

Causal Inference: The Mixtape (Cunningham, 2018)，参看：我是如何从一个诗人变成一个计量实证高手, 并且还出版了一本计量书籍！

Explanation in Causal Inference: Methods for Mediation and Interaction (VanderWeele, 2015)

我在本书中的目标是以合理的精度，但以最少的技术资料，清晰地提出因果推断的概念。

Causation, Prediction, and Search (Spirtes et al., 2001)

Actual Causality (Halpern, 2016)

https://www.bradyneal.com/which-causal-inference-book

二、因果推断阅读清单

• Causal Inference by Miguel Hernán and Jamie Robins: 我读过的最实用的书。强烈推荐。

• Why: A Guide to Finding and Using Causesby Samantha Kleinberg: 该主题的高级介绍。我在“为什么你应该停止担心深度学习并加深对因果关系的理解”中讨论了要点。

• Causality, Probability, and Time by Samantha Kleinberg: 比Kleinberg的另一本书更具技术性。顾名思义，时间是本书中介绍的方法的核心。但是，我仍然不确定这些方法在实际数据上的实用性。

• Causal Inference in Statistics: A Primerby Judea Pearl, Madelyn Glymour, Nicholas P. Jewell: 相当了解Judea Pearl的作品。我没有发现它很实用，但是我相信它可以帮助我理解Hernán和Robins的因果推断的图形建模部分。

• Elements of Causal Inference: Foundations and Learning Algorithms这本书的名称显然是对Trevor Hastie，Robert Tibshirani和Jerome Friedman的经典著作《统计学习的元素》的reference。不幸的是，这本书没有像Hastie等人的书那样广泛使用——它包含了一些有趣的想法，但是看来从最小的假设出发，从数据中进行因果学习的算法还没有足够的可扩展性供实际使用，而将来这可能会改变。

• Causality: Models, Reasoning, and Inferenceby Judea Pearl: 我还没看过，但我认为希望学习因果推断方法的人会很受用。

• The Book of Why: The New Science of Cause and Effectby Judea Pearl and Dana Mackenzie: 看起来这本书可能值得一读，尽管看起来技术性不足以应用于我的工作。可以参看：图灵奖得主Pearl的因果推断新科学, Why?

• 对于统计估计和分析设计：Rosenbaum, “Design of Observational Studies”

• 对于与机器学习的连接：Peters, Janzing, Schoelkopf. “Elements of Causal Inference: Foundations and Learning Algorithms”

• Does water kill? A call for less casual causal inferencesby Miguel Hernán: 一个很好的证明为什么谈论因果关系需要明确的干预措施。

• The C-Word: Scientific Euphemisms Do Not Improve Causal Inference From Observational Databy Miguel Hernán:因果推断的高级总结，以及需要明确说明科学研究的因果目标的必要条件。

• The Environment and Disease: Association or Causation?by Austin Bradford Hill: 关于Bradford Hill因果关系标准的经典讨论。强烈推荐，因为该1965年的论文还预见了统计学显著性狂热问题。

• Causal inference in statistics: An overview by Judea Pearl:Pearl的作品的总结，此刻可能有些过时（从2009年开始）。如果你还没有准备好阅读他的书，此文仍然值得一读。

• Simpson’s Paradox: An Anatomy by Judea Pearl: 解释了辛普森悖论及其与因果推理的关系。本文值得一读，尽管我发现需要进一步阅读才能更好地理解因果模型为何“解决”了这一悖论。

  https://yanirseroussi.com/causal-inference-reading-list/
  

关于因果推断，我们引荐了①关于各种因果识别方法的120份经典实证文献汇总”，②哈佛大学新修订完成的因果推断经典大作免费下载！附数据和code，③因果推断的统计方法总结, 177份文献，④政策评估的计量方法综述, 包括最新因果推断方法，⑤在教育领域使用IV, RDD, DID, PSM多吗? 使用具体文献，⑥看完顶级期刊文章后, 整理了内生性处理小册子，⑤工具变量精辟解释, 保证你一辈子都忘不了，⑦DID, 合成控制, 匹配, RDD四种方法比较, 适用范围和特征，⑧关于双重差分法DID的32篇精选Articles专辑！⑨关于(模糊)断点回归设计的100篇精选Articles专辑！⑩匹配方法(matching)操作指南, 值得收藏的16篇文章等，⑪MIT广为流传的政策"处理效应"读本，⑫DID的研究动态和政策评估中应用的文献综述，⑬最新政策效应评估的四种方法，⑭政策效应评估的基本问题等。

1.用"因果关系图"来进行因果推断的新技能，2.因果推断专题：因果图，3.因果推断专题：有向无环图DAG，4.confounder与collider啥区别? 混淆 vs 对撞，5.三张图秒懂, 混淆, 中介, 调节, 对撞, 暴露, 结果和协变量的复杂关系，6.中介效应检验流程, 示意图公布, 不再畏惧中介分析，7.图灵奖得主Pearl的因果推断新科学，Book of Why?  8.前沿: nature刊掀起DAG热, 不掌握就遭淘汰无疑！因果关系研究的图形工具!9.前沿: 卫星数据在实证研究中的应用, 用其开展因果推断的好处！10.7大因果推断大法精选实证论文, 可用于中国本土博士课堂教学！11.随机分配是什么, 为什么重要, 对因果关系影响几何？12.应用计量经济学现状: 因果推断与政策评估最全综述，13.疫情期计量课程免费开放！面板数据, 因果推断, 时间序列分析与Stata应用，14.Python做因果推断的方法示例, 解读与code，15.内生转换模型vs内生处理模型vs样本选择模型vs工具变量2SLS，16.不用IV, 基于异方差识别方法解决内生性, 赐一篇文献等等。