因果推断学习笔记：资料收集

被几个causal inference的tutorial拉入了坑，觉得还蛮有意思的。 写一篇笔记收藏一些自己找到的的资料吧，持续更新中。

科普文章

1. 统计之都上有一个因果推断系列，写得很好
   • 因果推断简介之一：从 Yule-Simpson’s Paradox 讲起
   • 因果推断简介之二：Rubin Causal Model (RCM) 和随机化试验
   • 因果推断简介之三：R. A. Fisher 和 J. Neyman 的分歧
   • 因果推断简介之四：观察性研究，可忽略性和倾向得分
   • 因果推断简介之五：因果图 (Causal Diagram)
   • 因果推断简介之六：工具变量（instrumental variable）
   • 因果推断简介之七：Lord’s Paradox
   • 因果推断简介之八：吸烟是否导致肺癌？Fisher versus Cornfield

教材

1. Causality: Models, Reasoning and Inference. Judea Pearl. 偏重 causal diagram 一些。
2. Causal Inference for Statistics, Social, and Biomedical. Sciences: An Introduction. Guido W. Imbens and. Donald B. Rubin. 个人感觉比较实用。
3. Mostly harmless econometrics: An empiricist’s companion. Angrist, J. D., & Pischke, J. S.. 实用。作者对银河系漫游指南真的是真爱。
4. Causal Inference: The Mixtape. Scott Cunningham. 可以在教授主页上下载到 PDF。内容 self-contained，很全。

公开课

带视频的公开课

1. Four Lectures on Causality (Prof. Jonas Peters, University of Copenhagen @MIT)
   • 主页： https://stat.mit.edu/news/four-lectures-causality/
   • 偏理论一些，和Pearl一个流派
2. A Crash Course in Causality: Inferring Causal Effects from Observational Data (Prof. Jason A. Roy, Ph.D., UPenn)
   • 主页： https://www.coursera.org/learn/crash-course-in-causality
   • 入门课程，通俗易懂，带有一部分R的tutorial和tests可以练手

只有PPT的公开课

1. Applied Causality (Spring 2017, Columbia University, David M. Blei)
   • 课程主页：http://www.cs.columbia.edu/~blei/seminar/2017_applied_causality/index.html

Tutorial

1. Tutorial on Causal Inference and Counterfactual Reasoning (KDD’18)
   • Presenter: Amit Sharma (@amt_shrma), Emre Kiciman (@emrek)
   • 主页：https://causalinference.gitlab.io/kdd-tutorial/
2. Tutorial on Counterfactual Inference (NIPS’18)
   • Presenter: Susan Athey (Stanford)
   • 视频：https://www.facebook.com/nipsfoundation/videos/1291139774361116/UzpfSTEwMDAwMTk2OTU5ODE5NToxOTQwNTU1NTUyNjg2NzQ2/
   • Slides和其它资料: /https://drive.google.com/drive/folders/1SEEOMluxBcSAb_tsDYgcLFtOQaeWtkLp
3. Machine Learning and Econometrics (2018 AEA Continuing Education Webcasts)
   • Presenter: Susan Athey, Guido Imbens
   • 视频：https://www.aeaweb.org/conference/cont-ed/2018-webcasts
   • Slides和其它资料: /https://drive.google.com/drive/folders/1SEEOMluxBcSAb_tsDYgcLFtOQaeWtkLp

TODO

1. Statistical and causal inference in social networks (WWW2015 School)
   • https://www.cs.purdue.edu/waw2015/_media/eckles_-_waw_tutorial_-_for_web.pdf (TODO)

工业界应用收集

收集一些作者来自工业界的PPT。

1. _Causality without headaches_ (Benoît Rostykus, Senior Machine Learning Researcher at Netflix) https://www.slideshare.net/BenoitRostykus/causality-without-headaches

R Packages

1. MatchIt：各种matching方法。
2. WeightIt：封装了各种weighting方法。
3. grf (generalized random forests)
4. bartCause

其它

1. Github rguo12/awesome-causality-algorithms：paper和code列表
2. Github rguo12/awesome-causality-data：数据集列表
3. Causality paper @Totte Harinen：一位 Uber data scientist 的博客