来源：专知本文为书籍介绍，建议阅读5分钟本文为你介绍统计学中的因果推断。
Causal Inference in Statistics: A Primer一书的分享解读主要被分为四个部分：
第一部分：从宏观角度分析了因果科学的研究意义，巩固了统计学的基础知识，包括变量、概率、条件概率、独立性、全概率公式、贝叶斯法则、多元回归等等，最后初步介绍了结构因果模型的相关概念。
第二部分：从图模型的基础概念出发，介绍了结构因果模型中基础的接合模式，并推导了d-分离这一基础工具，展示它在模型检验和因果搜索上的应用。此部分内容还配备了对应的编程实验，实践了图模型编程和d-分离的实现
第三部分：从干预在实验中的意义出发，整理分析了校正公式、后门准则、前门准则、中介、条件干预、Do演算等知识，展示了它们如何在从观测数据中估计干预的结构。此部分内容也配备了对应的编程实验，实践了后门准则和前门准则的编程实现。
第四部分：从反事实的理论与基础概念出发，系统性分析了其结构性解释、基本定理、图形化表示、概率表示等，并通过例子分析试验环境中的反事实和线性模型中的反事实，以及反事实的在现实研究中的实际应用。
https://www.wiley.com/en-gb/Causal Inference in Statistics: A Primer-p-9781119186847#description-section
