课程主页: https://www.coursera.org/learn/crash-course-in-causality
在我们的生活中，常常听到“相关性不代表因果关系”这句话。那么，什么才是真正的因果关系呢？本课程旨在回答这个问题，我们将带您走进因果推理的世界！
该课程为期5周，内容涵盖因果效应的定义、数据和模型所需的假设，以及如何实现和解读一些流行的统计方法。学习者将有机会在R语言（一个免费的统计软件环境）中应用这些方法，并对示例数据进行分析。
### 课程大纲：
1. **欢迎与因果效应介绍**
本模块专注于使用潜在结果定义因果效应，并指出设定/操纵值和对变量进行条件化之间的重要区别，同时介绍关键的因果识别假设。
2. **混杂与有向无环图 (DAGs)**
本模块介绍了有向无环图，学习者通过理解这些图的各种规则，可以识别一组变量是否足够控制混杂因素。
3. **匹配与倾向得分**
本模块概述了用于估计因果效应的匹配方法，包括直接在混杂因素上匹配和在倾向得分上匹配，并通过R语言中的数据分析示例进行说明。
4. **逆概率处理加权（IPTW）**
本模块介绍了逆概率处理加权作为估计因果效应的方法，并通过R语言中的IPTW数据分析进行说明。
5. **工具变量方法**
本模块关注使用工具变量估计因果效应的方法，包括非遵从性随机试验和观察性研究中的工具变量分析，并在R语言中进行说明。
本课程适合想要深入了解因果推理、掌握实际应用技巧的学习者，极大地提升您的数据分析能力。不要错过这个提升自己的机会，来学习如何从观察性数据中推断因果关系吧！
课程主页: https://www.coursera.org/learn/crash-course-in-causality