本书对因果推断相关知识进行了系统、全面的介绍，为便于学习，对大多数知识点都进行了详细的推导说明。

前言

第1章绪论1

11辛普森悖论1

12相关性与因果关系5

13变量之间的关系9

14本书主要内容及安排11

第2章数学基础13

21随机变量和随机事件13

211随机变量13

212随机事件14

22概率及其计算16

221概率与条件概率16

222概率分布19

223概率的计算公式19

23独立性22

24贝叶斯公式及其应用25

25随机变量的数字特征30

26回归33

261一元线性回归33

262多元线性回归35

27因果关系的表示：图模型与结构

因果模型37

271因果关系的概念37

272图模型38

273结构因果模型40

274图模型和结构因果模型的

比较41

28因子分解42

281图模型的马尔可夫性43

282因子分解表达式44

29图模型结构的程序实现46

291R软件的安装46

292DAGitty包的安装与

加载48

293图模型的生成50

第3章图模型分析55

31基本图模型结构的分析55

311链式结构56

312分叉结构57

313对撞结构59

32d划分66

321d划分的概念66

322d划分的判断70

323d划分变量集合搜索73

33图模型与概率分布78

34图模型分析的程序实现80

第4章干预分析89

41因果效应的调整表达式计算89

411混杂偏差89

412干预的数学表达90

413通过调整表达式计算

因果效应92

414调整变量的设计96

42后门准则与前门准则101

421后门准则101

422前门准则107

43多变量干预和特定变量

取值干预112

431多变量干预112

432特定变量取值时的干预

分析115

433条件干预118

44直接因果效应与间接因果效应119

45因果效应的估计125

451反概率权重法125

452倾向值评分匹配法129

46线性系统中的因果推断133

461线性系统因果推断分析的

特点133

462路径系数及其在因果推断

分析中的应用137

463线性系统中路径系数的

计算141

47工具变量150

48干预分析的程序实现154

481获取调整变量集合154

482通过倾向值评分匹配

计算ACE158

第5章反事实分析及其应用164

51反事实概念的引入及表达

符号164

52反事实分析的基本方法168

521反事实假设与结构因果

模型修改168

522反事实分析的基本法则171

53反事实分析计算173

531外生变量取值与个体173

532确定性反事实分析175

533概率性反事实分析177

534反事实分析中概率计算的

一般化方法182

54反事实符号表达式与do算子符号

表达式的对比185

55基于图模型的反事实分析191

56SCM参数未知及线性环境下的

反事实分析195

561SCM参数未知条件下的反

事实分析195

562线性模型在给定事实条件下

的反事实分析198

57中介分析201

571自然直接效应和自然间接

效应的定义202

572自然直接效应和自然间接

效应的计算204

58反事实的应用205

第6章因果关系概率分析211

61因果关系概率的定义211

62因果关系概率的性质214

63必要性概率与充分性概率的

量化计算216

631外生性与单调性216

632在外生性条件下PN、PS和

PNS的计算219

633在外生性和单调性条件下

PN、PS和PNS的计算221

634在不具有外生性但具有单调性

条件下PN、PS和PNS的

计算222

635在外生性和单调性都不成立

条件下PN、PS和PNS的

计算226

64因果关系概率的应用228

第7章复杂条件下因果效应的

计算23871非理想依从条件下因果效应的

计算238

711研究模型假设238

712一般条件下平均因果

效应的计算239

713附加假设条件下平均因果

效应的计算243

72已干预条件下因果效应的计算246

721ETT的计算247

722增量干预的计算249

723非理想依从条件下ETT的

计算251

73复杂图模型条件下因果效应的

计算253

731do算子推理法则253

732do算子推理法则应用

示例254

733因果效应的可识别性257

734试验中干预变量的替代

设计262

74非理想数据采集条件下因果

效应的计算265

第8章图模型结构的学习270

81图模型结构学习算法概述270

811图模型结构学习的过程270

812图模型结构学习的假设271

82图模型结构学习算法的分类及基于

评分的学习算法简介272

83基于约束的算法273

831独立性测试273

832IC算法简介277

833IC算法的具体实现过程278

834其他基于约束的算法282

84图模型结构学习的程序实现283

841pcalg包的安装283

842图模型结构的学习284

843因果效应计算293

第9章因果推断的应用299

91因果推断在推荐系统中的应用299

92因果推断在强化学习中的应用306

921多臂问题场景307

922基于因果推断的多臂

问题分析309

923基于因果推断的多臂

问题算法改进311

924基于因果推断的多臂

问题算法改进效果313

参考文献315