音像因果论:模型、推理和推断(原书第2版)(美)朱迪亚·珀尔

中文版序<br/>者序<br/>译者序<br/>我为什么写这本书：回顾与期望<br/>第2版前言<br/>版前言<br/>章　概率、图及因果模型1<br/>1.1　概率论概述1<br/>1.1.1　为什么学习概率1<br/>1.1.2　概率论的基本概念2<br/>1.1.3　预测支持与诊断支持结合7<br/>1.1.4　随机变量与期望8<br/>1.1.5　条件独立与图11<br/>1.2　图与概率12<br/>1.2.1　图的符号与术语12<br/>1.2.2　贝叶斯网络13<br/>1..　d-分离准则17<br/>1.2.4　贝叶斯网络推断20<br/>1.3　因果贝叶斯网络22<br/>1.3.1　用于干预谕言的因果网络<br/>1.3.2　因果关系及其稳定25<br/>1.4　函数因果模型27<br/>1.4.1　结构方程28<br/>1.4.2　因果模型中的概率预测31<br/>1.4.3　函数模型中的干预与因果效应33<br/>1.4.4　函数模型中的反事实34<br/>1.5　因果与统计术语40<br/>第2章　因果关系推断理论43<br/>2.1　简介：基本直觉44<br/>2.2　因果发现框架46<br/>.　模型偏好（奥卡姆剃刀原则）47<br/>2.4　稳定分布51<br/>2.5　获取DAG结构52<br/>2.6　重建潜在结构54<br/>2.7　因果关系推断的局部准则57<br/>2.8　非时间因果与统计时间61<br/>2.9　结论63<br/>2.9.1　关于极小、马尔可夫和稳定64<br/>第3章　因果图与因果效应识别69<br/>3.1　简介70<br/>3.2　马尔可夫模型中的干预72<br/>3.2.1　作为干预模型的图72<br/>3.2.2　干预作为变量75<br/>3..　计算干预效应76<br/>3.2.4　因果量值的识别81<br/>3.3　控制混杂偏差83<br/>3.3.1　后门准则83<br/>3.3.2　前门准则86<br/>3.3.3　实例：吸烟与基因型理论88<br/>3.4　干预的计算90<br/>3.4.1　符号预备90<br/>3.4.2　推断规则90<br/>3.4.3　因果效应的符号推导：一个实例92<br/>3.4.4　基于替代试验的因果推断94<br/>3.5　可识别的图模型检验95<br/>3.5.1　识别模型97<br/>3.5.2　非识别模型99<br/>3.6　讨论100<br/>3.6.1　要求与扩展100<br/>3.6.2　图作为一种数学语言102<br/>3.6.3　从图转换到潜在结果104<br/>3.6.4　与Robins的G-估计的关系108<br/>第4章　行动、计划和直接效应114<br/>4.1　简介115<br/>4.1.1　行动、动作和概率115<br/>4.1.2　决策分析中的行动118<br/>4.1.3　行动和反事实120<br/>4.2　条件行动与随机策略121<br/>4.3　什么时候行动的结果是可识别的122<br/>4.3.1　基于图的识别条件122<br/>4.3.2　识别效率124<br/>4.3.3　对控制问题解析解的推导126<br/>4.3.4　总结126<br/>4.4　动态计划的可识别127<br/>4.4.1　动机127<br/>4.4.2　识别计划：符号和设29<br/>4.4.3　识别计划：序贯后门准则130<br/>4.4.4　识别计划：计算流程133<br/>4.5　直接效应和间接效应136<br/>4.5.1　直接效应与总效应136<br/>4.5.2　直接效应、定义和识别137<br/>4.5.3　案例:大学录取中的歧视问题138<br/>4.5.4　自然直接效应141<br/>4.5.5　间接效应与中介公式142<br/>第5章　社会学和经济学中的因果关系与结构模型144<br/>5.1　简介145<br/>5.1.1　寻找因果语言145<br/>5.1.2　SEM：它的意义怎么变模糊了146<br/>5.1.3　图作为一种数学语言150<br/>5.2　图与模型检验151<br/>5.2.1　结构模型的可检验含义152<br/>5.2.2　检验可检验156<br/>5..　模型等价157<br/>5.3　图与可识别161<br/>5.3.1　线模型中的参数识别161<br/>5.3.2　与非参数识别的比较167<br/>5.3.3　因果效应：SEM的干预解释169<br/>5.4　部分概念基础172<br/>5.4.1　结构参数真实意味着什么172<br/>5.4.2　效应分解的解释177<br/>5.4.3　外生、超外生及话题178<br/>5.5　结论183<br/>5.6　第2版附言184<br/>5.6.1　计量经济学的觉醒184<br/>5.6.2　线模型的识别问题185<br/>5.6.3　因果论断的鲁棒15<br/>第6章　辛普森悖论、混杂与可压缩17<br/>6.1　剖析辛普森悖论188<br/>6.1.1　一个有关悖论的示例188<br/>6.1.2　统计学中苦恼的事情190<br/>6.1.3　因果关系与可交换192<br/>6.1.4　悖论已解决（或者，人是什么类型的机器）195<br/>6.2　为什么没有关于混杂的统计检验，为什么许多人认为应该有，为什么他们是正确的197<br/>6.2.1　简介197<br/>6.2.2　因果定义和关联定义199<br/>6.3　关联准则如何失效200<br/>6.3.1　凭借边缘化使充分失效200<br/>6.3.2　凭借封闭世界定使充分失效201<br/>6.3.3　凭借无益代理使必要失效201<br/>6.3.4　凭借偶然抵消使必要失效203<br/>6.4　稳定无偏与偶然无偏204<br/>6.4.1　动机204<br/>6.4.2　形式化定义206<br/>6.4.3　稳定无混杂的运算检验207<br/>6.5　混杂、可压缩和可换20<br/>6.5.1　混杂与可压缩20<br/>6.5.2　混杂与混杂因子210<br/>6.5.3　可交换与混杂结构分析212<br/>6.6　结论215<br/>第7章　结构化反事实的逻辑217<br/>7.1　结构模型语义学218<br/>7.1.1　定义：因果模型、行动与反事实219<br/>7.1.2　评估反事实：确定分析2<br/>7.1.3　评估反事实：概率分析228<br/>7.1.4　孪生网络法0<br/>7.2　结构模型的应用与解释1<br/>7.2.1　线经济计量模型政策分析：示例1<br/>7.2.2　反事实的实内容 4<br/>7..　因果解释、表达及其理解<br/>7.2.4　从机制到行动再到因果240<br/>7.2.5　Simon因果顺序243<br/>7.3　公理刻画246<br/>7.3.1　结构反事实的公理246<br/>7.3.2　反事实逻辑中的因果效应：示例249<br/>7.3.3　因果相关公理252<br/>7.4　基于结构化和相似的反事实256<br/>7.4.1　与Lewis反事实的关系256<br/>7.4.2　公理系统的比较258<br/>7.4.3　成像与条件260<br/>7.4.4　与Neyman-Rubin框架的关系262<br/>7.4.5　外生和工具变量：反事实定义和图模型定义264<br/>7.5　结构因果与概率因果267<br/>7.5.1　对时序的依赖26<br/>7.5.2　死循环风险269<br/>7.5.3　与孩子们一起挑战封闭世界定271<br/>7.5.4　特例因果与一般因果272<br/>7.5.5　总结275<br/>第8章　不完美实验：边界效应和反事实277<br/>8.1　简介278<br/>8.1.1　不完美与间接实验278<br/>8.1.2　不依从与治疗意愿279<br/>8.2　利用工具变量界定因果效应的范围280<br/>8.2.1　问题的形式化表述：约束优化280<br/>8.2.2　正则划分：有限响应变量的演化282<br/>8..　线规划公式284<br/>8.2.4　自然边界286<br/>8.2.5　对于处理（治疗）者的处理效应（ETT）287<br/>8.2.6　示例：消胆胺的作用288<br/>8.3　反事实和法律责任289<br/>8.4　工具变量测试291<br/>8.5　解决不依从的一种贝叶斯方法293<br/>8.5.1　贝叶斯方法和吉布斯采样293<br/>8.5.2　样本量和先验分布的效应295<br/>8.5.3　从不完全依从的临床数据中估计因果效应296<br/>8.5.4　特例事件因果关系的贝叶斯估计298<br/>8.6　结论299<br/>第9章　因果关系概率：解释和识别300<br/>9.1　简介301<br/>9.2　充分必要原因：识别条件303<br/>9.2.1　定义、符号和基本关系303<br/>9.2.2　外生下的界限与基本关系306<br/>9..　单调和外下的可识别309<br/>9.2.4　单调和非外生下的可识别311<br/>9.3　实例与应用314<br/>9.3.1　实例1：公平硬币下注314<br/>9.3.2　实例2：刑法执行316<br/>9.3.3　实例3：辐对白血病的影响317<br/>9.3.4　实例4：来自实验数据和非实验数据的法律责任320<br/>9.3.5　结果总结321<br/>9.4　非单调模型的可识别322<br/>9.5　结论325<br/>0章　实际原因327<br/>10.1　引言：必要因果关系的不充分32<br/>10.1.1　重新探讨特例原因 328<br/>10.1.2　抢占和结构信息的作用329<br/>10.1.3　过度确定和准依赖331<br/>10.1.4　Mackie的INUS条件332<br/>10.2　产生、依赖和维持334<br/>10.3　因果束和基于维持的因果关系337<br/>10.3.1　因果束：定义及其含义337<br/>10.3.2　实例：从析取式到通用公式340<br/>10.3.3　束、抢占以及特例事件因果关系的概率342<br/>10.3.4　路径切换因果关系344<br/>10.3.5　时序抢占345<br/>10.4　结论347<br/>1章　对读者的回应、阐述和讨论351<br/>11.1　因果、统计和图的术语351<br/>11.1.1　区分因果和统计是必要的吗351<br/>11.1.2　无须担心的d-分离（章）355<br/>11.2　逆转统计时间（第章）5<br/>11.3　估计因果效应359<br/>11.3.1　后门准则背后的直观理解（第3章）359<br/>11.3.2　揭开神秘的“强可忽略”362<br/>11.3.3　后门准则的另一种明365<br/>11.3.4　协变量选择中的数据与知识368<br/>11.3.5　理解倾向得分370<br/>11.3.6　do-算子背后的直观374<br/>11.3.7　G-估计的有效374<br/>11.4　策略评估与do-操作376<br/>11.4.1　识别附条件计划（4.节）6<br/>11.4.2　间接效应的意义378<br/>11.4.3　do(x)能够表示实际实验吗380<br/>11.4.4　do(x)操作是通用的吗381<br/>11.4.5　没有操纵的因果关系384<br/>11.4.6　与Cartwright一起追猎原因385<br/>11.4.7　非模块化的错觉387<br/>11.5　线结构模型中的因果分析389<br/>11.5.1　参数识别的一般准则（第5章）389<br/>11.5.2　结构系数的因果解释390<br/>11.5.3　为SEM（或者SEM救生包）的因果解释辩护392<br/>11.5.4　今天的经济学模型在哪里—与Heckman一起追求原因398<br/>11.5.5　外部变化与外科手术401<br/>11.6　决策与混杂（第6章）405<br/>11.6.1　辛普森悖论与决策树405<br/>11.6.2　时间信息对于决策树是充分的吗407<br/>11.6.3　Lindley关于因果、决策树和贝叶斯主义的理解409<br/>11.6.4　为什么混杂不是一个统计学概念412<br/>11.7　反事实的演算414<br/>11.7.1　线系统中的反事实414<br/>11.7.2　反事实的意义417<br/>11.7.3　反事实的d-分离420<br/>11.8　工具变量与不依从421<br/>11.9　更多关于因果关系的概率422<br/>11.9.1　“有罪的概率为1”有可能吗422<br/>11.9.2　收紧因果关系的概率界限424<br/>后记：因果的艺术与科学427<br/>参考文献462<br/>索引488

李廉，合肥工业大学教授、原委书记，高等校大学计算机课程教学指导委员会主任，中国计算机学会理论计算机科学专委会主任。长期从事算机学和网络计算等方面的研究及教学工作，先后主持自然科学重点和面上项目5项，参加“科技部科技大平台”“下一代互联网络关键技术与应用”等项目多项。曾先后主讲“计算机程序语言学”“算法学”“计算复杂理论”“多处理器编程”“社会计算”“近世代数”等生、课程。积极参与大学计算机基础课程改革，2012年获得安徽省教学成果特等奖，2014年获得重量教学成果二等奖。