知识底色 · 统计素养 · 公开站点
Causal Inference: The Remix
一本把「怎么知道是谁造成的」讲成可上手的公开教材
「相关不等于因果」人人会说；这本书讲的是，那到底要怎么做才算数。
mixtape.scunning.com
一句话定位
它是一本公开在线的因果推断教材，讲的是如何从「一起变化」走到「真的造成」。
它不满足于讲清概念，每一种方法都配数据与代码，让人能自己跑一遍。
因果推断教材公开在线可复现真实数据
它要解决的是什么
两个数字一起涨，看起来像一条因果，其实可能只是碰巧。
可现实里很多结论、很多决策，偏偏就架在这条线上。
它要给的，是一套能站得住的判断程序：什么条件下，才敢说这是「因为它」。
它把方法讲成能动手的
它不是只讲道理：每个方法都配一份公开数据与一段可跑通的代码。
读者可以照着把同一套分析重做一遍，看结果是不是一样。
它认为方法只有自己走过一遍，才算真的看懂。
它讲到的几类做法
- 随机实验。把干预随机分配，这是最干净的起点。
- 自然实验。现实里偶然出现、近似随机的机会。
- 断点与门槛。规则在某条线上突然变化，恰好可用来比较。
- 前后对比与配对。用时间差或可比对象，抵掉那些看不见的差别。
它建议的读法
它把判断拆成几步：先说清要回答什么，再看哪种设计站得住，最后才动手算。
先问清问题
要回答的到底是「有没有关系」还是「是不是它造成的」。
再挑方法
看手上的数据支持哪一种设计，而不是挑最顺手的那个。
查前提是否成立
每种方法都有它要成立的条件，条件不满足，结果就不作数。
最后用数据验一遍
照着代码把结论跑出来，而不是停在纸面上。
它教的是一个次序：先想清楚凭什么，再谈算出来是多少。
它是怎么公开的
在线版本全文免费，目录、数据与代码都放在同一个地方。
它还保留了更早的一版，方便对照着看方法如何演进。
它不设门槛：不必先修过什么课，能读能算就能跟着走。
它的边界在哪里
它教的是方法，不是结论：方法用错，照样得出错的答案。
它不替你判断某个具体研究做得好不好，只把判断所需的标准摊开。
它也不主张某一派做法万能，而是把各条的适用条件一并写明。
一句话总结
它是一本公开在线的因果推断教材：讲清从「一起变化」走到「真的造成」需要哪些前提，每种方法都配公开数据与可跑通的代码。目录、数据与代码都放出来，不设修课门槛。它教的是方法而不是结论，方法用错照样会得到错答案。
想自己把因果推断跑一遍，可以从这里进。
