因果推斷方法及其應用

目錄
“統(tǒng)計與數據科學叢書”序
前言
第1章 因果推斷框架及相關概念 1
1.1 從辛普森悖論談起 1
1.2 因果推斷的基本框架 3
1.2.1 潛在結果框架 3
1.2.2 結構因果模型 5
1.2.3 兩種框架關系的討論 7
1.3 研究挑戰(zhàn) 7
第2章 因果推斷的基本方法 10
2.1 傾向得分法 10
2.1.1 傾向得分模型 11
2.1.2 逆概率加權估計 12
2.2 匹配法 13
2.2.1 度量 14
2.2.2 匹配 15
2.2.3 評估 15
2.2.4 分析 16
2.3 回歸法 17
2.3.1 結果回歸法 17
2.3.2 Pearl后門準則 18
2.4 雙穩(wěn)健估計法 19
2.5 工具變量法 21
2.5.1 工具變量簡介 22
2.5.2 線性模型的工具變量估計 24
2.5.3 非參可加模型的工具變量估計 25
2.5.4 單調性假設下的工具變量估計 26
2.6 陰性對照法 27
2.6.1 陰性對照變量簡介 27
2.6.2 平均處理效應的識別與估計 29
2.7 應用實例 31
2.7.1 就業(yè)培訓對收入的影響 31
2.7.2 教育對收入的影響 33
2.7.3 右心導管插入術對重癥患者死亡率的影響 34
2.8 本章小結 35
第3章 基于多模型的穩(wěn)健估計 37
3.1 基于多模型的估計方法簡介 37
3.2 整合多模型的因果效應估計 38
3.2.1 傾向得分的模型混合估計 39
3.2.2 結果回歸的模型混合估計 40
3.2.3 基于模型混合的雙穩(wěn)健估計量 40
3.2.4 數值模擬 42
3.3 整合多模型的數據融合分析 44
3.3.1 模型假設與識別性 45
3.3.2 基于模型校準的加權估計量 46
3.3.3 數值模擬 50
3.4 應用實例 51
3.5 本章小結 53
第4章 基于融合數據的因果推斷 54
4.1 融合隨機化試驗的因果遷移學習 54
4.1.1 參數定義及識別性 55
4.1.2 估計方法 56
4.2 數據融合中的混雜變量調整 57
4.2.1 關心的因果參數和識別性 58
4.2.2 三穩(wěn)健估計量 60
4.2.3 數值模擬 62
4.3 數據融合中的工具變量法 63
4.3.1因果參數的定義和識別 64
4.3.2 多穩(wěn)健估計 66
4.3.3 其他半參數估計量 69
4.4 應用實例 70
4.4.1 身體活動對醫(yī)療保健支出的影響 70
4.4.2 吸煙對身體功能狀態(tài)的影響 71
4.5 本章小結 73
第5章 含死亡截斷數據的因果推斷 74
5.1 因果主分層簡介 74
5.2 多臂試驗中含死亡截斷結果的因果推斷 77
5.2.1 感興趣的因果參數及識別性 78
5.2.2 估計方法 81
5.2.3 數值模擬 82
5.3 觀察性研究中含死亡截斷結果的因果推斷 83
5.3.1 陰性對照變量與排除性假設 84
5.3.2存活組因果效應的識別（二值情況） 85
5.3.3 存活組因果效應的識別（一般情況） 87
5.3.4 估計方法 88
5.4 應用實例 89
5.4.1 幼鼠發(fā)育毒理學試驗 89
5.4.2 白血病干細胞移植 91
5.5 本章小結 92
第6章 含缺失數據的因果中介分析 94
6.1 因果中介分析簡介 95
6.1.1 因果中介作用的定義和識別 95
6.1.2 因果中介效應的估計和推斷方法 97
6.2 結果變量數據缺失的中介分析 98
6.2.1 離散結果變量的識別 100
6.2.2 連續(xù)結果變量的識別 101
6.2.3 估計和推斷方法 102
6.3 協(xié)變量數據缺失的中介分析 103
6.3.1 協(xié)變量非隨機缺失時的非參數估計方法 105
6.3.2 大樣本性質和推斷 107
6.4 應用實例 109
6.4.1 阿爾茨海默病干預效果的臨床抗精神病試驗研究 109
6.4.2 工作滿意度和抑郁癥的關系 110
6.5 本章小結 112
第7章 歸因分析 113
7.1 單個原因和單個結果的歸因分析 114
7.1.1 原因的概率：定義 114
7.1.2 原因的概率：識別與應用 117
7.2 多個原因和單個結果的歸因分析 120
7.2.1 后驗因果效應：定義 120
7.2.2 后驗因果效應：識別 123
7.3 多個原因和多個結果的歸因分析 126
7.3.1 多元后驗因果效應：定義 126
7.3.2 多元后驗因果效應：識別 130
7.4 應用實例 134
7.4.1 高血壓患者發(fā)病原因分析 134
7.4.2 兒童急性淋巴細胞白血病發(fā)病原因分析 136
7.4.3 感冒還是心絞痛？ 139
7.4.4 呼吸道病癥診斷與歸因 141
7.5本章小結 143
第8章 基于工具變量法的因果關系發(fā)現(xiàn) 144
8.1 因果關系發(fā)現(xiàn)簡介 145
8.2 基于工具變量的雙向因果關系推斷 147
8.2.1 含未知混雜的雙向因果關系模型 148
8.2.2 因果作用和因果方向的識別 149
8.2.3 估計及理論保證 154
8.3 基于工具變量的因果結構學習 156
8.3.1 含工具變量的因果網絡模型 157
8.3.2 因果圖和因果效應的識別 158
8.3.3 估計及理論保證 163
8.4 應用實例 166
8.4.1 BMI與血壓的關系研究 166
8.4.2 阿爾茨海默病基因調控網絡研究 167
8.5 本章小結 169
參考文獻 170
“統(tǒng)計與數據科學叢書”已出版書目 183