कारण विश्लेषण का परिचय


25

क्या अच्छी किताबें हैं जो कारण विश्लेषण का परिचय देती हैं? मैं एक ऐसे परिचय के बारे में सोच रहा हूं जो दोनों कारण विश्लेषण के सिद्धांतों की व्याख्या करता है और दिखाता है कि इन सिद्धांतों को लागू करने के लिए विभिन्न सांख्यिकीय तरीकों का उपयोग कैसे किया जा सकता है।


आप इस लेख को क्राइडर mktsci.journal.informs.org/content/24/4/635.abstract द्वारा आज़मा सकते हैं, जिसमें एक सरल चित्रमय तकनीक है। रास्ते के साथ, इसमें कुछ कारण तकनीकों की काफी सरल व्याख्या है। मैं यह सिर्फ एक टिप्पणी कर रहा हूं क्योंकि यह वही नहीं है जो आपने पूछा था।
zbicyclist

4
यहूदिया पर्ल। कारण: मॉडल, तर्क और अंतर्ज्ञान। कैम्ब्रिज Univ.Press, 2000. (आईएसबीएन 0521773628)
हिरण हंटर


3
चेन एंड पर्ल में प्रतिगमन और कारण
जैक टान्नर

2
मेरे लिए यह जानना सबसे महत्वपूर्ण है कि आपके डेटा में ऐसी कोई जानकारी नहीं है जो यह साबित करे कि एक प्रभाव कारण है । जानकारी बाहरी लोगों से आती है, उदाहरण के लिए, प्रयोगात्मक डिजाइन।
फ्रैंक हरेल

जवाबों:


15

एक सामाजिक विज्ञान लेने के लिए मॉर्गन और विंसशिप (2007) की कोशिश करें या महामारी विज्ञान के लिए हर्नन और रॉबिन्स (आगामी) । हालांकि अभी भी प्रगति में है, ऐसा लगता है कि यह बहुत अच्छा होने जा रहा है।

मॉर्गन और विनशिप विशेष रूप से प्रतिगमन-प्रकार के मॉडल के कारण व्याख्याओं के लिए क्या माना जाना चाहिए पर अच्छा है।

पर्ल (2000) किसी भी मायने में परिचयात्मक नहीं है, हालांकि अंततः बहुत अच्छा पढ़ा गया है। आपको उनकी वेबसाइट और विशिष्ट लेखों में से कुछ उपयोगी मिल सकते हैं , खासकर संरचनात्मक समीकरण मॉडल की व्याख्या करने पर। वे ज्यादातर तकनीकी रिपोर्ट के रूप में उपलब्ध हैं।

अद्यतन करें : पर्ल, Glymour और जेवेल के (2017) कारण निष्कर्ष सांख्यिकी में: एक प्राइमर , है परिचयात्मक हालांकि। और बहुत अच्छा भी।


2
मुझे लगता है कि एम एंड डब्ल्यू वास्तव में 2007 है।
दिमित्री वी। मास्टरोव

धन्यवाद @ DimitriyV.Masterov मुझे यकीन नहीं है कि उस तारीख को कैसे लीक किया गया था क्योंकि मैंने पिछले कई w eeks को इससे बाहर पढ़ाने में खर्च किया था!
कंजुगेटपायर 10

अब मॉर्गन और विंसशिप का दूसरा संस्करण है, जो पहले वाले से बहुत अलग है। मैं पर्ल / ग्लाइमोर / ज्वेल "प्राइमर" के लिए सूचक को दृढ़ता से दूसरे स्थान पर रखता हूं। IMHO कारण पहचान करने के लिए सबसे अच्छा परिचय।
जूलियन शूसेलर

@ जूलियनचुसेलर: क्या आप कह सकते हैं कि अंतर क्या है? (मेरे पास दूसरा संस्करण है, लेकिन मेरे पास पहले वाला नहीं है इसलिए मैं उत्सुक हूं।)
us85r11852 का कहना है कि पुन: स्थापित करें Monic

@JulianSchuessler मैं हाथ करने के लिए दोनों की आवश्यकता नहीं है, लेकिन कम जवाब है: (। 2 एड लंबे समय तक) 7 साल और 200 के बारे में पृष्ठों
conjugateprior

15

पर्ल ने हाल ही में एक नई पुस्तक प्रकाशित की है, जिसका उद्देश्य है शुरुआती: सांख्यिकी में कोशल इंजेक्शन: एक प्राइमर । यदि आपने पहले कभी नहीं देखा है तो निर्देशित चक्रीय रेखांकन के साथ कार्यदक्षता, यह वह जगह है जहाँ आपको शुरू करना चाहिए। और आपको पुस्तक के सभी अध्ययन प्रश्नों को करना चाहिए — इससे आपको नए टूल और नोटेशन से परिचित होने में मदद मिलेगी।

पर्ल आम दर्शकों के लिए लक्षित एक पुस्तक भी जारी कर रहा है, द बुक ऑफ़ व्हाई जो मई 2018 को उपलब्ध होगी।

शुरुआती लोगों के लिए भी, मिगुएल हर्नान ने edX Causal Diagrams पर एक नया कारण मूल्यांकन पाठ्यक्रम शुरू किया है : अपने निष्कर्षों से पहले अपने अनुमानों को ड्रा करें।

में सामाजिक विश्लेषण के लिए कोशल विश्लेषण हैंडबुक में , फेलिक्स एल्वर्ट, अध्याय 13 द्वारा एक बहुत अच्छा पाठ भी है , जो चित्रमय मॉडल के लिए एक बहुत ही अनुकूल परिचय है।

"कोमल परिचय" के साथ अन्य दो अच्छे कागजात (जैसा पर्ल कहना पसंद करते हैं) कारण रेखांकन पर्ल (2003) हैं ) और पर्ल (2009) हैं। पहला पेपर चर्चा के साथ आता है।

जैसा कि अन्य लोगों ने उल्लेख किया है, मॉर्गन और विनशिप एक बहुत अच्छी पाठ्यपुस्तक है --- सामाजिक वैज्ञानिकों के लिए एक बहुत ही अनुकूल अभी तक व्यापक परिचय --- और यह दोनों चित्रमय मॉडल और संभावित परिणामों को शामिल करता है।

वहां एक Imbens और Rubin द्वारा हाल ही में किताब है , जो यादृच्छिक प्रयोगों के कुछ हिस्सों को अधिक से अधिक हद तक कवर करती है, लेकिन DAGS पर कुछ भी नहीं है --- यह केवल आपको संभावित परिणामों के ढांचे में उजागर करेगा, इसलिए आपको इसे अन्य पुस्तकों के साथ पूरक करने की आवश्यकता है: जैसा कि ऊपर बताया गया है।

अर्थशास्त्रियों में, एग्रीस्ट और पिस्चके द्वारा स्नातक और स्नातक पुस्तकें लोकप्रिय हैं। लेकिन यह ध्यान देना महत्वपूर्ण है कि वे किस पर ध्यान केंद्रित करते हैं आम रणनीतियों / चालों --- वाद्य चर, अंतर-अंतर, आरडीडी आदि। ताकि आप अधिक लागू परिप्रेक्ष्य का स्वाद प्राप्त कर सकें, लेकिन केवल इसके साथ ही आपको बड़ा नहीं मिलेगा पहचान की समस्याओं के बारे में तस्वीर।

यदि आप कार्य-कारण की खोज में रुचि रखते हैं और एक और मशीन लर्निंग ओरिएंटेड अप्रोच चाहते हैं, तो पीटर्स, जांजिंग और शोलकॉफ के पास एक नई किताब है। , जो ऑफ , पीडीएफ मुफ्त है।

यह यहां "सांख्यिकी शिक्षा में कारण" पुरस्कार के लायक है इसके वेबपेज पर आप स्लाइड्स और अन्य सामग्रियों को कई वर्गों के लिए पा सकते हैं, जिन्होंने 2013 में इसकी शुरुआत के बाद से प्रत्येक वर्ष के लिए पुरस्कार जीता था। इस नस में वेंडरविले की पुस्तक भी ध्यान देने योग्य है

अंत में, जैसा कि पहले ही उल्लेख किया गया है, पर्ल की अब क्लासिक किताब है । ऊपर उल्लिखित अधिक प्रारंभिक सामग्रियों की रीडिंग आपको इसे पढ़ने में मदद करेगी।


3
मैं इस अवलोकन से पूरी तरह सहमत हूं; सिवाय इसके कि मैं पर्ल / ग्लाइमोर / ज्वेल "प्राइमर" को और भी मजबूत बनाने की सलाह दूंगा।
बजे जूलियन शूसेलर

9

मुझे ऑस्टिन निकोल्स की आगामी पुस्तक कॉसल इनफेरेंस: मेजरिंग ऑफ द इफेक्ट्स ऑफ वाई पर प्रभाव के लिए बहुत अधिक उम्मीदें हैं । अपेक्षित प्रकाशन की तारीख 2013 है । इस बीच, उसका हैंडआउट और पेपर पैनल के तरीकों, इंस्ट्रूमेंटल वैरिएबल, प्रॉपर्टीज स्कोर मैचिंग / रीवेटिंग और रिग्रेशन डिसकंटीनिटी का अच्छा अवलोकन प्रदान करता है। इन सभी अनुमानकों (और आरसीटी) के बीच की तुलना विशेष रूप से उपयोगी है, साथ ही स्टैटा मिनी-ट्यूटोरियल (यदि आप स्टैटा उपयोगकर्ता नहीं हैं तो इसे छोड़ दिया जा सकता है)। यदि आप गहरी खुदाई करना चाहते हैं तो क्यूरेट किए गए संदर्भ प्रदान किए जाते हैं। दुर्भाग्य से, यहां संरचनात्मक समीकरणों पर बहुत अधिक नहीं है, हालांकि यह मॉर्गन और विनशिप बुक के बारे में भी सच है। उनका एआरएस पेपर एक छोटा, हालांकि कुछ हद तक, अवलोकन है।

मैंने पर्ल को एक दिलचस्प, लेकिन मुश्किल, इस सामग्री से परिचय कराया। अगर यह इन विचारों के लिए मेरा पहला प्रदर्शन था, तो मुझे नहीं पता कि मैं इसे पढ़ने के बाद दूर चला गया होता, किसी भी तरीके को अच्छी तरह से लागू करने के बारे में जानने के बाद।

अंत में, यहां अर्थशास्त्री जेम्स हेकमैन और पर्ल द्वारा 2012 मिशिगन विश्वविद्यालय में कॉज़ल इन्वेंशन सिम्पोज़ियम द्वारा वीडियो प्रस्तुतियां और स्लाइड हैं । यहां संरचनात्मक मॉडल पर बहुत सारे सामान।


3

कॉस्मा शालिज़ी की पाठ्यपुस्तक में एलीमेंटरी पॉइंट से उन्नत डेटा विश्लेषण में कार्य-कारण का उत्कृष्ट समावेश है । (पाठ्यपुस्तक अभी भी प्रारूप के रूप में है, और ऑनलाइन पीडीएफ के रूप में उपलब्ध है, इसलिए इसमें मुफ्त होने का अतिरिक्त लाभ है)

हालांकि, आपको तय करना चाहिए कि क्या आप (ए) कारण के प्रभावों के आकार का आकलन करने के तरीकों में रुचि रखते हैं , या (बी) कारण नेटवर्क की संरचना सीखते हैं (अर्थात सीखने में जो चर दूसरों को प्रभावित करते हैं)। (ए) के लिए कई संदर्भ हैं, मुझे लगता है कि पर्ल की कॉज़लिटी सबसे अच्छी है। (बी) के लिए कुछ परिचयात्मक संदर्भ हैं; मुझे लगता है कि कॉस्मा की पाठ्यपुस्तक सबसे अच्छी है, लेकिन यह व्यापक नहीं है।

सीएमयू ने 2013 में कारण संरचना सीखने पर कुछ महान परिचयात्मक वार्ताओं की मेजबानी की। रिचर्ड शेइन्स ने मूल अवधारणाओं के लिए एक लंबा और सौम्य परिचय टेट्राद का उपयोग करते हुए कारण निष्कर्ष पर एक ट्यूटोरियल प्रस्तुत किया । फ्रेडरिक एबरहार्ड ने ऑल ऑफ कॉसल डिस्कवरी प्रस्तुत की , जो कला के राज्य का एक तेजी से पुस्तक अवलोकन है। उनमें से एक या दोनों मददगार हो सकते हैं; फ्रेडरिक की बात में आपको बहुत सारे विचार देने चाहिए कि आगे कहाँ जाना है।


0

मैं सुझाऊंगा:

प्रतिगमन और बहुस्तरीय / पदानुक्रमित मॉडल (जेलमैन और हिल) का उपयोग कर डेटा विश्लेषण

Chapter9 और Chapter10 कारण के बारे में निष्कर्ष और सार्वजनिक रूप से सुलभ हैं।

जेलमैन एक महान लेखक के रूप में जाना जाता है जो जटिल अवधारणाओं का अच्छी तरह से वर्णन करता है।

अपने वेब ब्लॉग पर भी विचार करें: http://andrewgelman.com/ इसमें कारण के बारे में बहुत सारी सामग्रियां हैं।

आपको सभी संभावित तरीकों की पूरी तस्वीर नहीं मिलती है, लेकिन आपको शायद बहुत विस्तृत विवरण मिल जाएगा कि क्या हो रहा है।

पुनश्च: जेलमैन के 8 स्कूल उपचार प्रभाव विश्लेषण पदानुक्रमित मॉडलिंग के बायेसियन आंकड़ों का एक उत्कृष्ट उदाहरण बन गए।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.