“Causal Inference for Statistics, Social, and Biomedical Sciences”的版本间的差异

来自集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
跳到导航 跳到搜索
(建立内容为“待建立”的新页面)
 
(编辑书籍简介)
第1行: 第1行:
待建立
+
此词条由因果科学读书会词条梳理志愿者四月翻译审校,未经专家审核,带来阅读不便,请见谅。
 +
 
 +
=== 书籍简介 ===
 +
本书的基本观点:(1)所有的因果问题都和特点的干预(intervention)或者实验(treatment)相联系。(2)因果问题被视为对潜在结果(potential outcome)的比较,每个潜在结果对应于一个实验水平(或条件)。如果采用相应的实验条件,那么每个潜在结果都将被观察到。因果效应涉及到将实际观察结果与其他潜在结果比较。实际上其他潜在结果无法被观察到。因此,从根本上说,因果推断是一个处理缺失数据的问题。
 +
 
 +
与所有处理缺失数据的问题一样,处理的关键是决定是否被观测到的机制(mechanism)。在因果推断中,被称为分配机制(assignment mechanism)。
 +
 
 +
本书阐述了因果推断方法所依据的基本理念、潜在结果框架及逐步放宽分配机制的假设时的因果推断方法。

2022年6月18日 (六) 17:18的版本

此词条由因果科学读书会词条梳理志愿者四月翻译审校,未经专家审核,带来阅读不便,请见谅。

书籍简介

本书的基本观点:(1)所有的因果问题都和特点的干预(intervention)或者实验(treatment)相联系。(2)因果问题被视为对潜在结果(potential outcome)的比较,每个潜在结果对应于一个实验水平(或条件)。如果采用相应的实验条件,那么每个潜在结果都将被观察到。因果效应涉及到将实际观察结果与其他潜在结果比较。实际上其他潜在结果无法被观察到。因此,从根本上说,因果推断是一个处理缺失数据的问题。

与所有处理缺失数据的问题一样,处理的关键是决定是否被观测到的机制(mechanism)。在因果推断中,被称为分配机制(assignment mechanism)。

本书阐述了因果推断方法所依据的基本理念、潜在结果框架及逐步放宽分配机制的假设时的因果推断方法。