康奈尔大学 2026 年秋季的因果推断课 STSCI/INFO/ILRST 3900,教材全部放在 GitHub Pages 上,用 bookdown 建的站,11 章正文加 8 次讨论课,页面底部写着「Last built on 2026-11-03」。
课程由
Y. Samuel Wang、Filippo Fiocchi、Shira Mingelgrin 三位讲授,材料部分沿用了 Ian Lundberg、Mayleen Cortez-Rodriguez、Christina Yu 早几轮开发的版本。三个课号挂同一门课,说明它同时面向统计、信息科学和劳动关系三个方向的学生。
十一章的结构,按识别策略排
目录不是按方法罗列,而是按「能不能用可交换性识别」分两大块:
第一块:定义反事实与可交换识别
| 章 | 主题 |
| 1 | Defining counterfactuals |
| 2 | Exchangeability and experiments |
| 3 | Consistency and positivity |
| 4 | Directed Acyclic Graphs |
| 5 | Statistical modeling |
第二块:不依赖可交换性的识别
| 章 | 主题 |
| 6 | Instrumental variables |
| 7 | Regression discontinuity |
| 8 | Difference in differences |
| 9 | Synthetic control |
| 10 | Interference |
| 11 | Course recap |
这个排列法很少见。多数教材把 IV、RD、DiD 当工具讲,这里先把「识别」讲透——反事实怎么定义、可交换性是什么、一致性与正值性为什么是前提——再讲 DAG 与统计建模,最后才进 IV、RD、DiD、合成控制。
第 10 章讲干扰(interference),很多入门课不讲这一块。它是说一个个体的处理会影响到另一个个体的结果,比如疫苗、社交网络、集群干预,这时前面所有基于个体独立性的识别策略都要重写。
八次讨论课,从 R 入手
| 讨论 | 主题 |
| 1 | 概率统计复习 |
| 2 | 在 R 里分析一个实验 |
| 3 | 实验中的处理效应异质性 |
| 4 | 可交换性与课程项目 |
| 5 | 有向无环图 |
| 6 | 参数化 g-formula |
| 7 | 匹配 |
| 8 | IPW 与 AIPW |
讨论课的顺序跟正文错开:正文第 5 章讲统计建模时,讨论课走的是 g-formula、匹配、IPW/AIPW 这条估计路线,也就是把「调整混杂」的几种做法集中练一遍。第 4 次讨论就带课程项目,说明这门课不是纯听讲。
全程用 R,不是 Python。想跟着做的,先确认本机 R 环境。
站点的组织
每个章节页左侧有固定目录,页内还有三块固定内容:Learning objectives、Is this course for me、Readings。第三块给的是参考文献,不是链接清单,找数据要自己按文献回溯。
课程另有 Canvas 与 Ed Discussion 两个内部平台,校外访问不到。能公开拿到的就是这份书稿与讨论课材料。
适合谁看
想系统补因果推断的:这本的结构比多数讲义清楚,尤其是把「识别」与「估计」分开讲这条线。
要教这门课的:11 章 + 8 次讨论的排法可以直接借,特别是把干扰单独成章这一点。
做政策评估的:DiD、合成控制两章配有 R 实现,比只看公式有用。
不适合的:想要现成数据集练手的。站点给的是方法与代码,数据基本来自公开数据集或课程自建,没有打包好的一键数据包。
版本与更新
站点由 bookdown 生成,2026-11-03 构建。这类课程站通常每学期更新一次,章节可能增删,引用时写清访问日期。
────────────────
站点地址、完整目录、讨论课清单与两位授课教师信息放在下面,回复后可见。
把经管之家装进你常用的 AI 智能体中 一键快捷安装经管之家 MCP/技能,让 AI 帮你查教程、找数据、读论坛帖子。 检索、阅读公开帖子不收费,安装可申请领取:3 通用积分+100 论坛币+3 元论坛资金 说明: AI 算力按所用平台规则计算;附件按原帖条件获取;福利领取条件以活动页面为准。 |


雷达卡


京公网安备 11010802022788号







