因果推断好书推荐：因果推断路漫漫，安神鲁宾常相伴，珀尔因果图上看，最后别忘赫克曼。

本文授权转载自：芙蓉湖畔学计量（微信号：Causal-inference）

诗云：“因果推断路漫漫，安神鲁宾常相伴，珀尔因果图上看，最后别忘赫克曼。”

近年，因果推断炙手可热，今年经济学诺贝尔奖更是授予了利用随机化实验进行发展经济学研究的三位学者，可看作对因果推断方法的奖励。很多读者也希望更多的学习因果推断方法，让推荐一些好的学习参考书。下面为大家推荐一些我认为的好书，供大家参考。

首先，王婆卖瓜，本人有编写一本非常简单的入门教材《基本有用的计量经济学》（MUSE），该书根据本人为研究生和高年级本科生开课讲义编写而成，应该比较通俗易懂，主要适用于经济学或其他学科的实证分析。当然，如果你想做因果推断的方法研究，这本书内容远远不够。

1．Imbens, Gudio and Donald Rubin, Causal Inference for Statistics, Social,and Biomedical Science: An Introducation, Cambridge University Press.  Amazon评分：4星。

如果让我为大家只推荐一本因果推断的书，那么它将是由斯坦福大学教授Imbens和哈佛大学教授Rubin合著的《Causal Inference for Statistics, Social, and Biomedical Science: An Introducation》，没有之一。两位作者分别是在计量经济学和统计学领域的大牛，相信各位对两位学者都不陌生，其中Rubin就是潜在结果框架的提出者，潜在结果框架有时也用Rubin的名字命名，称为RubinCausal Model。

这本书应该是学习因果推断的圣经。注意书名叫Introduction，即这本书才是研究因果推断方法的基本入门。这本书主要讲解Rubin Causal Model，对随机化实验、匹配方法和工具变量进行了介绍。尾语中提到，其他因果推断方法将在另一本书介绍，估计要等10年了。因为这本书他们也是计划10年前出版的，结果2015年才印出。

如果你想深入了解因果推断方法，这本书是必须要看的。必须看、必须看、必须看！不能免俗，重要的事情我们要强调三遍。这本书将是我研究生课程的教材。

2．Hernán MA, Robins JM (2020). Causal Inference: What If. BocaRaton: Chapman & Hall/CRC.

第2本书是哈佛大学公共卫生院的两位教授合写的教材，这也是一本很好的因果推断入门教材。这本书我从2012年就开始跟踪，作者不断更新，预期2020年出版，目前网页上还可以下载电子版。这本教材主要是针对医学的，但也比较简单易读，尤其是对因果图的介绍比较好。我们社会科学学者可能对两位作者不太熟悉，其实两位在因果推断理论中也是大牛级的人物，其中Robins在逆概加权方法、双重稳健方法和因果中介理论上有很多重要的贡献。

书籍网页：

https://www.hsph.harvard.edu/miguel-hernan/causal-inference-book/

下载地址：

https://cdn1.sph.harvard.edu/wp-content/uploads/sites/1268/2019/10/ci_hernanrobins_14oct19.pdf

3．Angrist, Joshua D. and Jorn-Steffen Pischke, 2009, MostlyHarmless Econometrics: An Empiricist’ Companion, Princeton University Press. Amazon评分：4星。

第三本学经济学的都知道，就是大神Angrist和Pischke合著的Mostly Harmless Econometircs，这个应该不用介绍了。做经济学实证研究的肯定要看。

如果你读了这三本书，掌握了三本书所介绍的内容，对因果推断方法应该有一个基本的认识了。如果你仍然有时间和精力，想进一步学习，再为你推荐几本：

4．Pearl, Judea, Madelyn Glymour and Nicholas P. Jewell. (2016) CausalInference in statistics – A primer, John Wiley & Sons Ltd. Amazon评分：4星

Pearl是UCLA的计算机科学教授，也是因果推断理论的重要人物，图灵奖获得者，搞计算机科学的都知道这个奖的厉害。他也是因果图理论的开创者。这本书其实是他另一本专著的一个简写版，比较好读，是了解do-seperation、后门规则、前门规则很好的入门教材。如果你想更深入的学习Pearl的理论，可以读他的专著 Causality: Models, Reasoning and Inference。

另外，去年，他还出了一本通俗读物《The Book of Why: The NewScience of Cause and Effect》，很好读，对了解他的理论也很有帮助。但是这本书也很有争议，因为这本书过度强调Pearl理论在因果推断中的作用，并且写作语气过于自负，引起一些学者的不满（参考哥大教授Andrew Gelman和Judea Pearl的争论：https://statmodeling.stat.columbia.edu/2019/01/08/book-pearl-mackenzie/），Amazon关于该书的评论中也有体现。

Pearl, Judea. (2009) Causality: Models,Reasoning and Inference, 2nd edition, Cambridge University Press. Amazon评分：3星半。

Pearl, Judea and Dana Mackenzie. (2018) The Book of Why:The New Science of Cause and Effect, Basic Books. Amazon评分：4 星。

5．Morgan, Stephen L., and Christopher Winship. (2015) Counterfactualsand Causal inference, Cambridge University Press. Amazon评分：5星

前面已经给你推荐了6本书，够你看一阵了，如果你还不满足。那么这本书也可以看一看，这本书是由两位社会学家写的，主要用因果图方法来介绍因果推断方法，第2版增加了很多Pearl的do-calculus的内容。

6．Heckman, James J. and Edward E. Leamer. 2007. Handbook ofEconometrics Volume 6B, North-Holland.

对于学经济学的，Heckman的因果推断模型还是应该学一学的。Heckman是一座高山，他在因果推断方法方面有非常重要的贡献（尤其是结构计量因果推断理论），Heckman的工作可以够好几个诺贝尔经济学奖。Heckman也是中国的好朋友，参加了我国建国70周年阅兵。

老赫同志尽管年龄大，但是精力很旺盛，目前主要关注学前教育，在我国也有相关项目开展。大家可能听说过Angrist、Imbens和Rubin的局部因果效应（LATE），但是比LATE更强的，是Heckman将Bjorklund and Moffitt(1987)提出的MTE发展到极致，用MTE统一了所有的常见统计量，隐含了LATE，并且可以进行外推。本人10年前就学习过Heckman构造的MTE框架，但没有搞懂，只有到了芝大，才真正搞明白了，并且旁听的几门计量课里，都可以看到MTE框架的影响。读读Heckman and Vytlacil(2005)的文章，真是太舒服了，真是很美妙的文章。Heckman其实把工具变量真的发展到极致了。和LATE完全发源于统计学和随机化实验不同，MTE框架里满满的经济学，在解释个人选择和政策效应(policy relevant treatment effects)。Heckman的MTE框架没有出书，也没有发现有教材介绍。但在《计量经济学手册》第6B卷有详细的总结。不过我还是建议去读他发表在Econometrica上的文章，真的是字字珠玑。

7．因果中介理论和交互影响是目前因果推断理论两个前沿的发展方向。目前有两本书，一本是哈佛大学公共卫生学院的Vanderweele教授著的《因果推断的解释》，主要利用回归方法来估计中介效应和溢出效应。

Vanderweele, Tyler J. (2015). Explanationin causal inference: Methods for Mediation and Interaction, Oxford UniversityPress.Amazon评分：4星半。

另一本是芝加哥大学教授Guanglei Hong教授著的《社会科学领域的因果性：调节、中介和溢出效应》，Hong教授的著作主要是利用逆概加权方法来构造和估计调节效应、中介效应和溢出效应。

Guanglei Hong, 2015, Causality in a SocialWorld: Moderation, Mediation and Spill-over, Wiley. Amazon评分：5星。

8．其他

读完这些书，已经要花费不少精力了，因为里面都有不少数学的推导，还是挺耗时的。如果你都读完了，下面还有一些书籍可参考。

Freedman, David. (2009). Statistical Models and CausalInference: A Dialogue with the Social Sciences, Cambridge University Press. 4星。

Freedman是一个著名统计学家，本书是他去世后出版的文集，里面有些文章非常有意思，比如他详细介绍了19世纪英国乡村医生Swan如何发现英国伦敦暴发的霍乱是由水污染造成的，Swan的方法可以看作是最早的双重差分法的使用，可以看作自然实验方法的鼻祖了。

这本书里还有关于很多统计方法的讨论，包括回归调整等，值得一读。

Rubin, Donald B. 2006, Matched Sampling forCausal Effects, Cambridge University Press.

Rubin的文集，匹配方法。

Rosenbaum, Paul R. 2010, Design of ObservationalStudies, Springer Series in Statistics. Amazon评分：4星半。

匹配方法，入门教材。

Rosenbaum Paul, 2002, ObservationalStudies, 2nd Edition, Springer Series in Statistics. Amazon评分：5星。

匹配方法，难度较大。

Rosenbaum, Paul. (2017). Observation andexperiment: An introduction to causal inference, Havard University Press. 2019reprint edition. 4星。

因果推断入门教材，书买到，还没读。Rosenbaum的书不是太好读。

Angrist, Joshua D. and Jorn-Steffen Pischke. (2014)Mastering ‘Metrics: The Pattern from Cause to Effect, Princeton UniversityPress. Amazon评分：4星半。

安神的另一本入门教材，没读过，但据说不错，适合劳动经济学因果推断初学者使用。

好书不怕多，学经济学的还有一本经典的，Wooldridge的《面板和横截面数据分析》，你问我这么多好书怎么选，客官，且再看下面打油诗，相信诸位心中自有终断。

因果推断路漫漫，安神鲁宾常相伴，珀尔因果图上看，最后别忘赫克曼。