316
个编辑
更改
跳到导航
跳到搜索
第75行：
第75行： − # 双侧不符合随机实验的工具变量分析+ + 第86行：
第87行： + + + + + + + + + + + + + + + +
Causal Inference for Statistics, Social, and Biomedical Sciences (查看源代码)
2022年7月2日 (六) 15:00的版本
、 2022年7月2日 (六) 15:00→参考资料
# 单侧不符合随机实验的工具变量分析
# 单侧不符合随机实验的工具变量分析
== 双侧不符合随机实验的工具变量分析 ==
# 工具变量设置中基于模型的分析：双侧不符合的随机实验
# 工具变量设置中基于模型的分析：双侧不符合的随机实验
== 参考资料 ==
== 参考资料 ==
<references />
<references />
== 编辑推荐 ==
课程推荐
[https://pattern.swarma.org/study_group/10 因果科学与Causal AI读书会第三季 | 集智斑图 (swarma.org)]
=== 文章总结 ===
[https://swarma.org/?p=30611 好的观察性研究与差的观察性研究 | 周日直播·因果科学读书会]
[https://swarma.org/?p=30098 因果推断在观察性研究中的应用Ⅱ：分析 | 周日直播·因果科学读书会]
=== 相关路径 ===
* 因果科学与Casual AI读书会必读参考文献列表，这个是根据读书会中解读的论文，做的一个分类和筛选，方便大家梳理整个框架和内容。
* 因果推断方法概述,这个路径对因果在哲学方面的探讨，以及因果在机器学习方面应用的分析。
* 因果科学和 Causal AI入门路径，这条路径解释了因果科学是什么以及它的发展脉络。此路径将分为三个部分进行展开，第一部分是因果科学的基本定义及其哲学基础，第二部分是统计领域中的因果推断，第三个部分是机器学习中的因果（Causal AI）。