《因果推斷：基於圖模型分析》是2023年機械工業出版社出版的圖書。
基本介紹
- 中文名：因果推斷：基於圖模型分析
- 出版時間：2023年4月1日
- 出版社：機械工業出版社
- ISBN：9787111719892
內容簡介,圖書目錄,
內容簡介
本書對因果推斷相關知識進行了系統、全面的介紹，為便於學習，對大多數知識點都進行了詳細的推導說明。
圖書目錄
前言
第1章緒論1
1.1辛普森悖論1
1.2相關性與因果關係5
1.3變數之間的關係9
1.4本書主要內容及安排11
第2章數學基礎13
2.1隨機變數和隨機事件13
2.1.1隨機變數13
2.1.2隨機事件14
2.2機率及其計算16
2.2.1機率與條件機率16
2.2.2機率分布19
2.2.3機率的計算公式19
2.3獨立性22
2.4貝葉斯公式及其套用25
2.5隨機變數的數字特徵30
2.6回歸33
2.6.1一元線性回歸33
2.6.2多元線性回歸35
2.7因果關係的表示：圖模型與結構
因果模型37
2.7.1因果關係的概念37
2.7.2圖模型38
2.7.3結構因果模型40
2.7.4圖模型和結構因果模型的
比較41
2.8因子分解42
2.8.1圖模型的馬爾可夫性43
2.8.2因子分解表達式44
2.9圖模型結構的程式實現46
2.9.1R軟體的安裝46
2.9.2DAGitty包的安裝與
載入48
2.9.3圖模型的生成50
第3章圖模型分析55
3.1基本圖模型結構的分析55
3.1.1鏈式結構56
3.1.2分叉結構57
3.1.3對撞結構59
3.2d劃分66
3.2.1d劃分的概念66
3.2.2d劃分的判斷70
3.2.3d劃分變數集合搜尋73
3.3圖模型與機率分布78
3.4圖模型分析的程式實現80
第4章干預分析89
4.1因果效應的調整表達式計算89
4.1.1混雜偏差89
4.1.2干預的數學表達90
4.1.3通過調整表達式計算
因果效應92
4.1.4調整變數的設計96
4.2後門準則與前門準則101
4.2.1後門準則101
4.2.2前門準則107
4.3多變數干預和特定變數
取值干預112
4.3.1多變數干預112
4.3.2特定變數取值時的干預
分析115
4.3.3條件干預118
4.4直接因果效應與間接因果效應119
4.5因果效應的估計125
4.5.1反機率權重法125
4.5.2傾向值評分匹配法129
4.6線性系統中的因果推斷133
4.6.1線性系統因果推斷分析的
特點133
4.6.2路徑係數及其在因果推斷
分析中的套用137
4.6.3線性系統中路徑係數的
計算141
4.7工具變數150
4.8干預分析的程式實現154
4.8.1獲取調整變數集合154
4.8.2通過傾向值評分匹配
計算ACE158
第5章反事實分析及其套用164
5.1反事實概念的引入及表達
符號164
5.2反事實分析的基本方法168
5.2.1反事實假設與結構因果
模型修改168
5.2.2反事實分析的基本法則171
5.3反事實分析計算173
5.3.1外生變數取值與個體173
5.3.2確定性反事實分析175
5.3.3機率性反事實分析177
5.3.4反事實分析中機率計算的
一般化方法182
5.4反事實符號表達式與do運算元符號
表達式的對比185
5.5基於圖模型的反事實分析191
5.6SCM參數未知及線性環境下的
反事實分析195
5.6.1SCM參數未知條件下的反
事實分析195
5.6.2線性模型在給定事實條件下
的反事實分析198
5.7中介分析201
5.7.1自然直接效應和自然間接
效應的定義202
5.7.2自然直接效應和自然間接
效應的計算204
5.8反事實的套用205
第6章因果關係機率分析211
6.1因果關係機率的定義211
6.2因果關係機率的性質214
6.3必要性機率與充分性機率的
量化計算216
6.3.1外生性與單調性216
6.3.2在外生性條件下PN、PS和
PNS的計算219
6.3.3在外生性和單調性條件下
PN、PS和PNS的計算221
6.3.4在不具有外生性但具有單調性
條件下PN、PS和PNS的
計算222
6.3.5在外生性和單調性都不成立
條件下PN、PS和PNS的
計算226
6.4因果關係機率的套用228
第7章複雜條件下因果效應的
計算2387.1非理想依從條件下因果效應的
計算238
7.1.1研究模型假設238
7.1.2一般條件下平均因果
效應的計算239
7.1.3附加假設條件下平均因果
效應的計算243
7.2已干預條件下因果效應的計算246
7.2.1ETT的計算247
7.2.2增量干預的計算249
7.2.3非理想依從條件下ETT的
計算251
7.3複雜圖模型條件下因果效應的
計算253
7.3.1do運算元推理法則253
7.3.2do運算元推理法則套用
示例254
7.3.3因果效應的可識別性257
7.3.4試驗中干預變數的替代
設計262
7.4非理想數據採集條件下因果
效應的計算265
第8章圖模型結構的學習270
8.1圖模型結構學習算法概述270
8.1.1圖模型結構學習的過程270
8.1.2圖模型結構學習的假設271
8.2圖模型結構學習算法的分類及基於
評分的學習算法簡介272
8.3基於約束的算法273
