因果推論の分野にアプローチするための提案やリソースを何度も求められたので、この記事では、この分野にアプローチするか知識を広げるためにオンラインで入手できる最高の無料リソースを個人的に考えることにしました。ビデオ講義、本、記事、コード例など、あなたの学習スタイルに最も適したものを選択できるように、さまざまな種類のリソースを提案しようとします.あなたに最適な形式を選択してください!

始める前にいくつかの免責事項。この記事は非常に主観的なものです。私が知っていて使用したリソースのみを取り上げます。私のバックグラウンドはベイジアンよりも頻度論的であり、有向非巡回グラフなどの他のフレームワークよりも潜在的な結果の因果フレームワークに精通しています。また、無料のリソースのみをリストすることにしました。そのため、多くの本がありません (そうです、Mostly Harmless EconometricsもThe Book of Whyもここにはありません)。私が何かを忘れたら、私に知らせてください！

この記事を、メディアの種類 (講義、ブログ、書籍、その他) ごとに 4 つの主要なセクションに分けました。各セクション内で、お気に入りから始めて、個人的な好みでコンテンツをランク付けしました. 楽しみ！

講義

ビデオ講義は常に私のお気に入りの学習媒体であったため、ビデオ講義から始めます。個人的には、対面式の授業に勝るものはないと思いますが、講義の録音は僅差で 2 番目に優れています。

博士号 応用法コース

• 著者：ポール・ゴールドスミス・ピンカム（イェール大学）
• 年: 2021
• 難易度：中級者～上級者
• コメント: おそらく、オンラインで入手できる因果推論に関する最高のリソースです。これは文字通り、エール大学でのポールのコースの記録です。直感と詳細の両方を提供する、準実験的な方法を主にカバーしています。

• 著者：クリス・コンロン（ニューヨーク大学）
• 年: 2020
• レベル: 研究
• コメント: 主に「構造的」アプローチに関連するさまざまなトピックをカバーする膨大なリソース。特に、極値推定量 (MLE、GMM) をカバーするこのリストの数少ないリソースの 1 つです。

• 著者: Susan Athey、Jann Spiess、Stephan Wager (スタンフォード大学)
• 年: 2022
• レベル: 研究
• コメント: 不均一な治療効果の推定に焦点を当てた一流の研究者による短期コース。内容は非常に高度ですが、説明は明確で、例と対になっています。

• 著者: Brady Neal (Mila — Quebec AI Institute)。
• 年: 2020
• レベル: 初級者から中級者
• コメント: 因果推論への非常に親しみやすい入門書。潜在的な結果のフレームワークと DAG の両方をカバーしています。Susan Athey と Alberto Abadie によるゲストレクチャー (さらに、Jushua Benjo によるエキストラ)。

• 著者：複数の研究者
• 年: 2021
• レベル: 上級研究者
• コメント: 著者自身が主催する、爆発的な diff-in-diffs 文献に関する講義の短いコレクション。聴衆からの多くの質問に対する特別な価値。

• 著者: Yiqing Xu (スタンフォード大学)
• 年: 2021
• レベル: 上級
• コメント: セントルイスのワシントン大学での 3 日間のコースの記録で、パネル データを使用した準実験的方法をカバーしています。レベルは進んでおり、フィールドでのフロンティア研究を指しています。

ブログは、私の 2 番目に好きなリソースです。ブログは、より直感的で非公式な説明とコードを組み合わせています。講義に直接参加することはありませんが、通常はコードを直接操作できます。

勇者と真の因果推理

• 著者：マテウス・ファキュア
• 年: 定期的に更新
• レベル: 中級者から上級者
• コメント: 数学を読むよりもコードで遊ぶことを好む場合、これはあなたのためのリソースです。さまざまなトピックをカバーし、方程式を常に*非常に読みやすい*コードに変換します。個人的お気に入り！

• 著者：アレックス・デン（Airbnb）
• 年: 2018
• レベル: 中級
• コメント: 残念ながら完全ではありませんが、実験と AB テストに焦点を当てて、業界でのアプリケーションを詳細にカバーしています。

• 著者： 主に Bret Zeldow と Laura Hatfield (Harvard Med)
• 年: 2019
• レベル: 中級
• コメント: 差分推定器について、基礎から最先端の研究まで、医学的観点から詳しく説明しています。

オンラインで無料で入手できる本はほとんどありませんが、それらは優れたリソースであり、ほとんどがここ数年で出版されたものです。注目に値する不在は、Mostly Harmless Econometricsと高度な計量経済学の本です (個人的には、最近までオンラインで無料で入手できた Bruce Hansen の Econometrics が本当に好きです)。

因果推論: ミックステープ

• 著者：スコット・カニンガム（ベイラー大学）
• 年: 2021
• レベル: 中級
• コメント: 非常に読みやすい本で、方程式よりも多くの言葉で潜在的な結果のフレームワークの基本をカバーしています。また、R、Python、および Stata のテキスト内コードも付属しています。第 2 版が進行中です。

• 著者: Nick C. Huntington-Klein (シアトル大学)
• 年: 2021
• レベル: 中級者から上級者
• コメント: さまざまな準実験的方法を詳細にカバーする優れたリソース。The Mixtape よりも技術的で包括的ですが、非常に読みやすく、テキストとコードが交互になっています (ほとんどが R)。

• 著者：ミゲル・ヘルナン（ハーバード大学）
• 年: 2022
• レベル: 中級者から上級者
• コメント: 経済学以外のリソースがついに登場! 主に DAG と実験をカバーし、R、Python などの多くのコードを扱います。前の 2 つよりも学術的ですが、読みにくいです。

最後に、前のカテゴリに完全には当てはまらない (ただし、興味や有用性が劣るわけではない) 混合リソースをいくつか示します。

NBERサマーインスティテュートメソッドレクチャー

• 著者: ローテーション教授
• 年式: 2007 年以降
• レベル: 研究
• コメント: (主に) 計量経済学と因果推論に関する、この分野の第一線の研究者による講義集。このシリーズは構造化されていませんが、非常に高品質の素材が含まれています。

• 著者: ローテーション教授
• 年度：2020年以降
• レベル: 研究
• コメント: リストの中でおそらく最も高度な (そして最も消化しにくい) リソースです。これは、研究者が因果推論に関する (通常はまだ発表されていない) 研究を発表するセミナー シリーズです。

• 著者：マイクロソフトの研究者
• レベル: 上級
• コメント: このライブラリは、主に因果推論と機械学習の交差点で、さまざまなトピックをカバーしています。すべてが非常によく文書化されており、コード例と対になっています。

• 著者: Uber の科学者
• レベル: コード
• コメント: causalML パッケージのドキュメント。主に異種治療効果の推定をカバーしています。EconML ページほど複雑ではありませんが、理論と例の両方が含まれています。

• 著者: Google の科学者
• レベル: 初心者
• コメント: ab テストと無作為化実験に関する初級コース。当たり前のことをほとんど何も考えずに、基本から始めます。最初のアプローチ (または面接の準備) に最適です。

ここまでやってくれておめでとう！これであなたも因果推理マスター！

冗談はさておき、これが非常に長いリソースのリストであることは承知していますが、お役に立てば幸いです。ソーシャルメディアでリストへの追加を共有して、更新を続けようとします (私は通常、LinkedinとTwitter で活動しています)。また、因果推論とデータ サイエンスのトピックについて、 Towards Data Scienceに定期的に投稿しています。