Research Notes · 因果推断方法

因果推断实践

基于 RHC 数据的方法比较与 R 语言实现

以 Connors 等人 1996 年 JAMA 发表的右心导管观察性研究为基准样本,覆盖五所教学医院 5,735 名 ICU 危重症患者、49 个变量、高度非随机的处理分配与 180 天死亡结局。十章对应九种因果推断方法,从回归调整与 G 计算的参数基线,到倾向得分匹配、IPW 与重叠权重,再到 AIPW、DML 与 TMLE 的双重稳健与机器学习增强,最后用因果森林揭示个体化处理效应。每章末维护一张累积对比表,第 8 章用 E-value 与 sensemakr 量化结论对未测量混杂的稳健性。

因果推断实践 封面

章节目录

11 / 11 章已上线
  1. 00
    前言:同一份数据,九把刀
    阅读 →
  2. 01
    问题与数据:RHC 争议的起点
    阅读 →
  3. 02
    因果结构与识别条件
    阅读 →
  4. 03
    回归调整:因果估计的第一刀
    阅读 →
  5. 04
    G 计算:构造反事实人群
    阅读 →
  6. 05
    倾向得分:匹配、加权与平衡诊断
    阅读 →
  7. 06
    双重稳健估计:AIPW 的两根保险绳
    阅读 →
  8. 07
    机器学习增强:Super Learner、DML 与 TMLE
    阅读 →
  9. 08
    结果稳不稳:敏感性分析与未测量混杂
    阅读 →
  10. 09
    谁获益谁受害:因果森林与处理效应异质性
    阅读 →
  11. 10
    全书汇总:九种方法的终极对比
    阅读 →