因果推断：献给求真敢为者#
中文版说明#
本书原名：Causal Inference for the Brave and True
作者：Matheus Facure
版权所有 © 2020 Matheus Facure本中文版由澳门城市大学金融学院的
许文立 助理教授 与 黄文喆 本科生 合作完成，作为课程学习的一部分。翻译中参考了计量经济学术语标准，力求在忠实原意的基础上简明清晰。
为了更好地服务中国经济学者的需求，本书中特意加入了 Stata 版本的实现，便于读者在实际研究中使用。
译文仅代表译者个人理解，欢迎指正。联系方式：
黄文喆（Wenzhe Huang）｜carlzhe@outlook.com
许文立（Wenli Xu）｜wlxu@cityu.edu.mo中文版 GitHub 项目主页：github.com/Wenzhe-Huang/python-causality-handbook-zh
Stata代码 Github 项目主页：github.com/wenddymacro/stata-causality-handbook-zh
阅读指南#
本书内容分为两大部分，取《易经》“阴阳”之意：
第一部分 - 阳
代表阳面，象征因果推断中已被广泛接受、逻辑清晰、理论成熟的计量方法。
如果你希望系统入门，理解回归、实验设计、工具变量等核心概念，这是最好的起点。第二部分 - 阴
代表阴面，象征尚在发展中的实践方法，强调预测、个性化估计与机器学习的融合应用。
内容更具实验性，适合对新方法、新方向有探索兴趣的读者。
以下为原作者 Matheus Facure 所撰内容，由译者翻译整理。
序言#
这是一本用轻松诙谐但又不失严谨的方式学习效应估计与敏感性分析的书。全程使用 Python，并尽可能加入了我找到的各种梗图。
本书第一部分涵盖了因果推断的核心概念与模型。您将学习如何用潜在结果框架表示因果问题，了解因果图、偏误及其应对方法。这部分内容大多已得到广泛认可，是我从书籍、大学课程及在线教育资源中提炼整合而成。可将第一部分视作您探索因果问题的坚实安全基础。
第二部分（进行中）聚焦因果推断在（主要是科技）行业中的现代发展与应用。第一部分主要关注平均处理效应的识别，而第二部分则转向个性化及使用 CATE 模型进行异质性效应估计。这部分内容多源于个人经验，远非成熟科学理论，更具实验性且可能随时调整——毕竟，我也仍在学习过程中。
致谢#
我愿将这一系列作品视为对 Joshua Angrist、Alberto Abadie 和 Christopher Walters 杰出计量经济学课程的致敬。第一部分的大部分思想源自他们在美国经济学会授课的内容。在艰难的 2020 年，正是观看他们的课程视频让我保持了理智。
我还想引用 Angrist 的精彩著作。它们向我展示了计量经济学（他们称之为“Metrics”）不仅极为实用，而且充满乐趣。
最后还要感谢 Miguel Hernán 和 Jamie Robins 的《Causal Inference》一书。它是我在面对最棘手的因果问题时的可靠伙伴。
参与贡献#
《Causal Inference for the Brave and True》 是一本关于因果推断的开源教材，致力于以经济上可负担、认知上可理解的方式，普及这门“科学的统计基础”。全书基于 Python，仅使用自由开源软件编写，原始英文版本由 Matheus Facure 编写与维护。
本书的中文版由黄文喆与许文立助理教授合作翻译，并托管在 GitHub 中文主页。希望本地化的内容能帮助更多中文读者学习和掌握因果推断方法。
如果你觉得这本书对你有帮助，并希望支持该项目，可以前往 Patreon 支持原作者。
如果你暂时不方便进行经济支持，也可以通过以下方式参与贡献：
修正错别字
提出翻译或表达建议
反馈你未能理解的部分内容
欢迎前往英文版或中文版仓库点击 issues 区 或 中文版 issues 区 提出反馈。
最后，如果你喜欢这本书的内容，也请将其分享给可能感兴趣的朋友，并为项目在 GitHub 上点亮一颗星：英文版仓库 / 中文版仓库。