用途:这是一本开源 Python 因果推断教材《Causal Inference for the Brave and True》,以可运行的 Jupyter notebook、真实数据集和直观解释,连接计量经济理论与数据科学实践,帮助读者用观察数据做因果推断。
主要能力:覆盖潜在结果框架与因果推断基本问题;回归与匹配、遗漏变量偏误、倾向得分;工具变量与两阶段最小二乘、LATE 与弱工具诊断;双重差分、平行趋势、双向固定效应、事件研究与交错处理;断点回归(清晰与模糊设计、带宽选择、局部多项式);合成控制与安慰剂检验。
使用方式:克隆仓库后建立虚拟环境并安装依赖: git clone https://github.com/matheusfacure/python-causality-handbook.git cd python-causality-handbook python -m venv causal-env source causal-env/bin/activate pip install numpy pandas matplotlib seaborn scikit-learn statsmodels pip install linearmodels causalinference pip install jupyter jupyter notebook 各章为编号 notebook,自带数据加载与分析代码。
适用场景:研究生课程配套练习、方法选择参考(随机实验用均值比较或回归调整;可观测选择用匹配/倾向得分/回归;存在未观测混杂且有工具变量用 IV;政策阈值用 RD;前后对比加对照组用 DID;单一处理单元用合成控制)、复现与扩展、教学作业。
限制与建议:教材强调先画图、明确识别策略、按处理层级聚类标准误、做稳健性检验并同时报告效应量与 p 值。资料未提供收费、价格或平台支持信息。