01
因果推断导论
什么是因果推断 · 为什么需要因果推断 · 相关关系与因果关系的区别 · 三大核心任务
因果发现因果识别效应估计
02
概率论基础回顾
条件概率 · 贝叶斯定理 · 期望与方差 · 协方差与相关系数 · 大数定律与中心极限定理
贝叶斯极限定理
03
统计推断基础
参数估计 · 假设检验 · t检验 · 卡方检验 · p值 · 置信区间
点估计区间估计p值
04
线性回归与因果
线性回归模型 · 最小二乘法 · 回归系数的因果解释 · 混淆变量与回归调整
OLS混淆变量
05
潜在结果框架
个体处理效应 · 平均处理效应(ATE) · 条件平均处理效应(CATE) · SUTVA假设
反事实ATE
06
随机对照试验 (RCT)
RCT设计原则 · 随机化方法 · 优缺点 · 数据分析应用
黄金标准随机化
07
观察性研究中的偏差
选择偏差 · 信息偏差 · 混杂偏差 · 辛普森悖论
混杂辛普森
08
有向无环图 (DAG)
基本概念 · 节点与边 · 路径与d-分离 · 后门准则与前门准则
d-分离后门前门
09
后门调整法
后门准则数学定义 · 识别后门变量 · Python实现 (statsmodels)
调整Python
10
前门调整法
前门准则数学定义 · 中介变量 · Python实现
中介前门
11
工具变量法 (IV)
工具变量定义与条件 · 两阶段最小二乘法(2SLS) · linearmodels实现
IV2SLS
12
倾向得分匹配 (PSM)
倾向得分定义 · PSM步骤 · 最近邻/卡钳匹配 · Python实现
匹配PSM
13
逆概率加权 (IPW)
IPW原理 · 稳定权重 · Python实现 · 与PSM对比
加权IPW
14
双重差分法 (DID)
基本思想 · 平行趋势假设 · 回归模型 · Python实现
DID平行趋势
15
断点回归设计 (RDD)
基本原理 · 精确/模糊断点 · 图形检验 · Python实现
RDD断点
16
合成控制法 (SCM)
基本思想 · 合成控制构建 · 安慰剂检验 · Python实现
SCM安慰剂
17
中介效应分析
总效应/直接/间接效应 · Baron & Kenny · Bootstrap中介检验 · Python
中介Bootstrap
18
调节效应分析
交互项模型 · 简单斜率分析 · Johnson-Neyman法 · Python实现
交互J-N
19
因果森林 (Causal Forest)
异质性处理效应 · 因果树构建 · EconML实现
异质性EconML
20
元学习器 (Meta-Learners)
S-Learner · T-Learner · X-Learner · EconML实现
元学习CATE
21
双重机器学习 (DML)
基本原理 · Neyman正交性 · Python实现
DML正交
22
因果发现算法
PC算法 · FCI算法 · 评分方法 · causal-learn实现
PCFCI
23
结构因果模型 (SCM)
SCM定义 · 结构方程 · 干预与反事实 · do-算子
SCMdo-算子
24
反事实推理
反事实定义 · 识别条件 · 反事实预测 · Python实现
反事实预测
25
敏感性分析
未观测混杂威胁 · E值(E-value) · 边界法 · Python实现
E-value敏感性
26
因果推断在AB测试中的应用
AB测试因果解释 · MDE计算 · 分层分析 · Python实现
AB测试MDE
27
因果推断在营销分析中的应用
广告归因 · 用户增长 · 价格弹性估计 · 案例实战
营销归因
28
因果推断在医疗健康中的应用
药物效果评估 · 政策评估 · 生存分析因果 · 案例实战
医疗生存分析
29
因果推断在经济学中的应用
劳动经济学 · 发展经济学 · 政策评估 · 案例实战
经济学政策
30
综合实战项目
基于Lalonde数据集完整因果分析：数据清洗、因果识别、效应估计、结果报告
实战Lalonde全流程