Notes of Causal Inference Course by Brady Neal (Chap 1-5)

本文是Youtube上causal inference课程系列的笔记，便于以后回顾。课程作者是Brady Neal， 视频link在这里。这个lecture很长，但基本上看完Chapter 1和2就能大致知道causal inference的大部分内容了。

Chap 1. Intro

Motivation是Simpson's paradox。假设对于一个disease有A(0)和B(1)两种treatments，病人有mild(0)和severe(1)两种状态，治疗有alive(0)和dead(1)两种结果。实验后得到的死亡率结果是

	Total
A	16% (240/1500 patients)
B	19% (105/550 patients)

看起来A的结果更好。但如果zoom in到subgroups，死亡率结果是

	Mild	Severe	Total
A	15% (210/1400)	30% (30/100)	16% (240/1500)
B	10% (5/50)	20% (100/500)	19% (105/550)

在每个subgroup里都是B的结果更好，跟total的结论相悖。其实就是因为A和B的population distribution不同。

那么我们到底应该采用哪种treatment呢？要看treatment (T), 病人状态 (C)和治疗结果 (Y)三者之间的casual structure。

如果C causes T，如下左图，那么mild patients会被assign A，severe会被assign B，这也是上表中每个subgroup里大多数人被assign的情况。B对severe更有效，对mild因为sample size不够大所以不会被采用。

（1）          （2）

而当T causes C时，如上右图，treatment A应该被采用。因为如上表所示，被assign B的人大多数都成为了severe患者，而A的患者大多都是mild。

在上图第一种structure中，the total association between T and Y is a mixture of causal and confounding association, where C is the c