Causal Inference: What If (the book)模型的因果推理部分

第十一章 为什么要建模

• 11.1 数据不能自我说明：介绍数据不能自我说明的概念和原因，以及为什么需要建模来进行因果推断。
• 11.2 参数估计器的条件均值：介绍参数估计器的条件均值的概念和应用，以及如何使用参数估计器来进行因果推断。
• 11.3 非参数估计器的条件均值：介绍非参数估计器的条件均值的概念和应用，以及如何使用非参数估计器来进行因果推断。
• 11.4 平滑：介绍平滑的概念和应用，以及如何使用平滑来处理数据中的噪声和不确定性。
• 11.5 偏差-方差权衡：介绍偏差-方差权衡的概念和应用，以及如何在建模过程中平衡偏差和方差。

第十二章 逆概率加权和边际结构模型

• 12.1 因果问题：介绍因果问题的概念和应用，以及如何使用IP加权和边际结构模型来进行因果推断。
• 12.2 通过建模估计IP权重：介绍如何通过建模来估计IP权重，以及如何使用逆概率加权来进行因果推断。
• 12.3 稳定的IP权重：介绍如何使用稳定的IP权重来进行因果推断，以及如何处理IP权重的不稳定性问题。
• 12.4 边际结构模型：介绍边际结构模型的概念和应用，以及如何使用边际结构模型来进行因果推断。
• 12.5 效应修饰和边际结构模型：介绍效应修饰和边际结构模型的概念和应用，以及如何使用边际结构模型来处理效应修饰的问题。
• 12.6 截尾和缺失数据：介绍如何处理截尾和缺失数据的问题，以及如何使用IP加权和边际结构模型来进行因果推断。