Nature计算科学综述：经由准实验，从观察数据中推测因果关系

原创 Tony Liu等 集智俱乐部 收录于话题#因果科学19个

导语
在许多数据科学问题中，由观测数据估计因果关系是一项极具挑战但又十分必要的环节。最近一篇发表于 Nature Computational Science 的论文《用准实验量化数据科学中的因果关系》回顾了计量经济学中常用的方法：基于观察数据、利用数据的随机波动——即借助准实验判定因果关系的方法。同时，作者展示了如何将该方法与机器学习相结合，在典型的数据科学环境中回答因果问题。该文还强调了数据科学家如何能够帮助推进这些方法，从而对来自医学、工业和社会中的高维数据进行因果估计。
集智俱乐部联合智源社区，组织，从基础和实操角度出发，精读两本因果科学方向的入门教材。详情见文末。
Tony Liu, Lyle Ungar & Konrad Kording | 作者
郭瑞东 | 译者
赵雨亭、黄俊铭 | 审校
邓一雪 | 编辑

论文题目：
Quantifying causality in data science with quasi-experiments
论文地址：
https://www.nature.com/articles/s43588-020-00005-8
目录
1、准实验方法判定因果的目标
2、观测研究中的混杂因子和碰撞因子
3、准实验策略之工具变量估计
4、准实验策略之断点回归
5、准实验策略之双重差分
6、 准实验的局限性
7、数据科学可以受益于准实验，准实验可以从机器学习中获益
1. 准实验方法判定因果的目标