LIBER III · CAUSAL INFERENCE: WHAT IF · HERNÁN & ROBINS
What If：潜在结果派的当代正典
是什么：哈佛流行病学家赫尔南与罗宾斯的教科书，作者在哈佛官网免费公开全书 PDF。业内直呼"What If"。特点：定义严格到苛刻、例子全部来自真实医学问题、每章都短——它相信清晰的概念比花哨的方法重要一百倍。
SKELETON · 骨架
三部曲：无模型 → 有模型 → 时变处理
- 第一部（1–10 章）无模型的因果推断：全书精华。潜在结果与个体/平均效应、随机化为何有效（可交换性）、观察研究的三大威胁——混杂、选择偏差、测量偏差——各给一章 + 因果图统一表述。只读这一部，已值回全部时间。
- 第二部（11–17 章）有模型的因果推断：IP 加权、标准化、g-公式、倾向得分、工具变量——把第一部的概念接上统计模型。
- 第三部（18 章起）时变处理：罗宾斯的成名绝技 g-方法——处理随时间变化且与混杂互为因果时（慢性病长期治疗的常态），传统回归全军覆没，这里是唯一的正规军。
Signature Idea · 代表思想
目标试验模拟（target trial emulation）：分析任何观察数据前，先写下"如果不受伦理与预算约束，我该做一个什么样的随机试验"——入组标准、处理定义、随访起点、结局——然后让数据分析逐项模仿它。观察性研究的大量错误（如永生时间偏差）在这道工序前无所遁形。
READING NOTES · 读法
怎么读
- 第一部精读（约两周），第二部按需查阅，第三部等真的遇到时变处理再来。
- 没有中文正式版；英文平实，术语密集处配合本站概念页与 Primer 对照读。
- 与珀尔对照最有趣的一点：同样的问题，What If 用"可交换性"表述，珀尔用"后门"表述——读到第 7 章你会亲眼看到两派语言互译。
LIBER IV · MOSTLY HARMLESS ECONOMETRICS · 2009
《基本无害的计量经济学》：自然实验的战地手册
是什么：安格里斯特（2021 诺奖）与皮施克的名作（中文版格致出版社），书名致敬《银河系漫游指南》。核心信念：与其构建宏大模型，不如找到一次"制度替你随机化"的机会——征兵抽签、入学分数线、政策在两地的先后实施。
SKELETON · 骨架
四件大杀器
- 回归的因果地位：什么条件下回归系数可以当因果效应读（条件独立假设），以及"坏控制变量"的著名警告——与对撞/中介一脉相通。
- 工具变量（IV）：找一个只通过 X 影响 Y 的"杠杆"（征兵抽签号之于服役）；LATE 定理——IV 估计的其实是"依从者"的效应。
- 双重差分（DID）：政策前后 × 实施与否两个差相减，扣掉共同趋势——卡德-克鲁格最低工资研究的方法骨架。
- 断点回归（RDD）：分数线上下、门槛内外，命运一线之隔的人近似随机可比——制度的不连续就是天然实验室。
Caveat · 一点保留
本书假设读者受过研究生计量训练，推导密度大。非经济学背景可先读同作者的通俗版《精通计量：从原因到结果的探寻之旅》（Mastering 'Metrics），或直接在 Brave and True 里学这些方法的代码版，再回头补理论。
LIBER V · CAUSAL INFERENCE FOR THE BRAVE AND TRUE · FACURE
Brave and True：程序员的因果推断
是什么：巴西数据科学家法库雷的开源在线书（全书免费 + Jupyter 笔记本可跑），后扩展为 O'Reilly 的《Causal Inference in Python》。业界视角：怎么用因果推断给公司挣钱——定价、营销、增长实验。
SKELETON · 骨架
两部曲：经典方法 + 机器学习时代
- 上半部：潜在结果、回归、倾向得分、IV、DID、RDD——三派经典方法全部配 Python 实现与业务案例（每章一个梗图，读感极佳）。
- 下半部（Causal ML）：异质效应估计与 uplift 建模——不问"平均有没有效"，问"对谁最有效"：优惠券该发给谁、挽留电话该打给谁；元学习器（S/T/X-learner）、双重机器学习（DML）。
- 贯穿的业界心法：偏差 vs 方差的因果版——方法再花哨，识别假设不成立就是精确地错。
How To Use · 用法
边读边跑代码，然后立刻迁移：把书里的案例换成你自己的业务问题重跑一遍。这本书的正确打开方式不是"读完"，是抄作业。
ROSETTA STONE · 三派罗塞塔石碑
同一个问题，三种方言
| 概念 | 珀尔图派 | 潜在结果派（What If） | 自然实验派（经济学） |
|---|---|---|---|
| 因果效应 | P(Y|do(X)) 之差 | E[Y(1)] − E[Y(0)] | 处理组与对照组的可信对比 |
| 无混杂 | 后门路径全部关闭 | 可交换性 / 可忽略性 | 条件独立假设（CIA） |
| 该控制什么 | 后门准则（图上机械判定） | 按混杂结构逐类讨论 | "坏控制变量"警告 |
| 没有实验怎么办 | do-演算改写 / 前门 | g-方法 + 目标试验模拟 | IV / DID / RDD 找自然实验 |
| 招牌工具 | DAG · d-分离 · do-演算 | IP 加权 · g-公式 · MSM | LATE · 平行趋势 · 断点 |
| 大本营 | 计算机科学 / AI | 流行病学 / 生物统计 | 经济学 / 政策评估 |
三派方言互译能力，是这个领域真正的高阶技能——面试与论文评审里一眼分出内行外行的地方。下一步：把这一切接进日常决策 →
ONE QUESTION · THREE DIALECTS