第1章如何認識世界
1.1因果概念的產生及意義
1.1.1因果關系與認知
1.1.2常識因果與科學因果
1.1.3因果關系的分析與推斷
1.1.4因果關系的黃金法則
1.2從邏輯到因果
1.2.1因果的邏輯基礎
1.2.2亞里士多德的“四因說”
1.3中國古代的因果觀念
1.3.1墨學的因果必然
1.3.2道學的因果分層
1.3.3佛學的因果緣起
1.4對于因果科學的追求
1.4.1因果關系的重生
1.4.2因果關系數學模型的引入
1.4.3因果關系的現代詮釋
1.4.4珀爾的因果分析框架
1.5本章結束語
第2章因果關系——決策與反思
2.1什么是混雜
2.2如何表示因果關系
2.2.1因果結構圖
2.2.2因果結構圖中的關系傳遞
2.2.3因果關系量化
2.2.4因果關系與概率
2.2.5因果結構圖與貝葉斯網絡
2.3如何從觀察數據中識別因果結構
2.3.1為什么可以識別因果結構
2.3.2識別因果結構的基本假設
2.3.3識別因果結構的方法：以IC算法為例
2.3.4識別因果結構的方法：評分優化
2.3.5統計時間與物理時間
2.4如何估計因果效應
2.4.1什么是干預
2.4.2如何在因果結構圖中表示干預
2.4.3為什么可以利用觀察數據估計干預的效果
2.4.4觀察數據校正與隨機對照試驗
2.4.5校正變量的篩選——后門準則
2.4.6結構方程與因果效應
2.4.7線性系統中的因果效應估計
2.4.8工具變量與工具變量悖論
2.5如何實現個體反思
2.5.1什么是反事實
2.5.2反事實與干預的關系
2.5.3反事實與*鄰近世界
2.5.4反事實推斷的基本過程
2.5.5反事實推斷與校正公式
2.5.6線性系統中的反事實
2.5.7直接原因和間接原因
2.6因果分析的待解問題
2.6.1亞群反轉
2.6.2抽樣偏差與變量選擇
2.6.3假設檢驗
2.6.4因果區域
2.7本章結束語
第3章現實世界與實際原因
3.1究竟哪個是原因
3.1.1從吸煙致癌談起
3.1.2因果解釋
3.1.3特異因果和一般因果
3.1.4必要原因與充分原因
3.2因果關系效應估計
3.2.1諾貝爾獎的故事——因果關系可識別性
3.2.2斷點回歸
3.2.3雙重差分
3.2.4傾向得分匹配
3.3不完美實驗中的因果估計
3.3.1不完美實驗問題
3.3.2不完美實驗因果圖
3.3.3意向性因果分析
3.3.4不完美實驗的邊界估計
3.4關于實際原因的困惑
3.4.1什么是實際原因
3.4.2如何確定實際原因
3.4.3因果搶占
3.4.4過度確定
3.5本章結束語
第4章機器學習與因果分析
4.1機器學習的神話
4.1.1什么是機器學習
4.1.2機器學習的起源和歷史
4.1.3機器學習的趨勢和未來
4.2大數據時代的信任危機
4.2.1到底需要多大量的數據呢
4.2.2為什么數據質量很重要
4.2.3統計數據也會說謊嗎
4.2.4機器學習模型穩健嗎
4.2.5結果可解釋嗎
4.3從因果關系中尋求突破
4.3.1因果機器學習
4.3.2因果發現
4.3.3因果模型對機器學習的意義
4.4下一代人工智能
4.4.1因果建模的層次
4.4.2因果之梯——構筑穩固的基石
4.5本章結束語
參考文獻