标记为因果推断的文章

辛普森悖论

• 2024年9月24日
Benjamin T. Vincent
beginner
regression hierarchical model linear model posterior predictive causal inference Simpson's paradox

辛普森悖论描述了一种情况，即在一个群体内，两个变量之间可能存在负相关关系，但是当来自多个群体的数据合并时，这种关系可能会消失甚至反转符号。下面的gif（来自辛普森悖论的维基百科页面）非常出色地演示了这一点。

阅读更多 ...

---

好的与坏的控制变量

• 2024年1月7日
Dustin Stansbury
intermediate
statistical rethinking bayesian inference causal inference controls

此 notebook 是 Richard McElreath 的统计再思考 2023系列讲座的 PyMC 移植版本的一部分。

阅读更多 ...

---

干预分布和使用 do 算子的图变异

• 2023年7月24日
Benjamin T. Vincent
beginner , explanation
causal inference do-operator graph mutation

PyMC 是开源贝叶斯统计生态系统的关键组成部分。它每天帮助解决各行各业和学术研究领域的实际问题。并且它通过其可访问性、强大性和在解决贝叶斯统计推断问题方面的实用性而获得了这种程度的实用性。

阅读更多 ...

---

中断时间序列分析

• 2022年10月24日
Benjamin T. Vincent
intermediate
counterfactuals causal inference time series forecasting causal impact quasi experiments

此 notebook 重点介绍如何进行简单的贝叶斯中断时间序列分析。这在准实验设置中非常有用，在这些设置中，干预措施应用于所有治疗单元。

阅读更多 ...

---

双重差分

• 2022年9月24日
Benjamin T. Vincent
intermediate
counterfactuals causal inference time series regression posterior predictive difference in differences quasi experiments panel data

此 notebook 简要概述了用于因果推断的双重差分方法，并展示了如何在贝叶斯框架下使用 PyMC 进行此类分析的工作示例。虽然这些 notebook 提供了该方法的高级概述，但我建议查阅两本关于因果推断的优秀教科书。《The Effect》[Huntington-Klein, 2021] 和 《Causal Inference: The Mixtape》[Cunningham, 2021] 都专门有章节介绍双重差分。

阅读更多 ...

---

反事实推断：计算因 COVID-19 导致的超额死亡人数

• 2022年7月24日
Benjamin T. Vincent
intermediate
counterfactuals causal inference time series case study Bayesian workflow forecasting causal impact regression posterior predictive

因果推理和反事实思维是非常有趣但复杂的主题！然而，我们可以通过相对简单的例子来理解这些想法。此 notebook 重点介绍使用 PyMC 进行贝叶斯因果推理的概念和实际实现。

阅读更多 ...

---

回归不连续性设计分析

• 2022年4月24日
Benjamin T. Vincent
beginner , explanation
regression causal inference quasi experiments counterfactuals

准实验 涉及实验干预和定量测量。但是，准实验不涉及将单元（例如，细胞、人、公司、学校、州）随机分配到测试组或对照组。这种无法进行随机分配的情况在提出因果声明时会带来问题，因为它使得更难论证对照组和测试组之间的任何差异是由于干预而不是由于混杂因素造成的。

阅读更多 ...

---