316
个编辑
更改
跳到导航
跳到搜索
第98行：
第98行： + + + + + + + + + + + + + + + + +
→编者推荐
[https://swarma.org/?p=29363 Donald Rubin的因果推断学术贡献：超出统计学范畴的划时代影响 | 集智俱乐部]
[https://swarma.org/?p=29363 Donald Rubin的因果推断学术贡献：超出统计学范畴的划时代影响 | 集智俱乐部]
=== 集智俱乐部课程推荐 ===
* [https://campus.swarma.org/mobile/course/3890/study 因果推断在观察性研究中的应用Ⅱ：分析 | 因果科学第三季第四期]
这个视频内容来自集智俱乐部读书会因果科学读书会第三季内容的分享，主题是”因果推断在医学、药学、生物学中的应用“，由北京大学数学科学学院统计学2018级博士生邓宇昊分享。本次讨论主要关注倾向得分的均衡性质，当非混淆性成立时，探索观察性研究中平均因果作用的估计方法，包括逆概率加权估计、子分类估计和匹配估计。
非混淆性假设是在观察性研究中估计平均因果作用的常用假设。本次报告将从倾向得分的均衡性质出发，介绍如何根据倾向得分对样本分层，进而探讨逆概率加权估计、子分类估计以及匹配三种典型的因果作用估计方法。
这些方法都基于非混淆性假设，为了评估这一假设的合理性，本次报告也将介绍几种评估策略，如伪结局、伪处理的方法。此外，敏感性分析也是评估基于非混淆性假设的因果作用估计的常用手段，我们将介绍一种简单情形的敏感性分析，从而说明敏感性分析对于检验因果作用的重要性。最后，我们会简单对比随机实验与观察性研究。
===相关路径===
*[https://pattern.swarma.org/path?id=99 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。
*[https://pattern.swarma.org/path?id=9 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。
*[https://pattern.swarma.org/path?id=90 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）。
*[https://pattern.swarma.org/path?id=28 复杂网络动力学系统重构文献]，这个路径是张江老师梳理了网络动力学重构问题，描述了动力学建模的常用方法和模型，并介绍了一些经典且重要的论文，这也是复杂系统自动建模读书会的主要论文来源，所以大部分都有解读视频。
*[https://pattern.swarma.org/path?id=114 因果纠缠集智年会——因果推荐系统分论坛]关于因果推荐系统的参考文献和主要嘉宾介绍，来源是集智俱乐部的因果纠缠年会。