书:pan.baidu.com/s/1BfkJHHKsp9ehsUcr55ZzXA?pwd=0ffp
- 因果推理法的五个步骤：
- 书中把因果推理法归纳为极为简单的五个步骤，并提供了一系列工具，以保证推理过程的严谨。
- 关于医生性别与患者死亡率的探讨：
- 利用与实验类似的偶发现象进行自然实验，用现有数据重现与实验类似的环境，探讨“医生性别”与“患者死亡率”是否为因果关系。
- 关于出生体重与健康的关系：
- 出生体重较重的婴儿更健康，书中对此进行了因果关系的探讨。
- 最低工资与就业之间的因果关系：
- 书中通过排除趋势影响的双重差分法，对“最低工资”与“就业”之间是否存在因果关系进行了深入分析。
- 看电视与孩子学习能力关系的探讨：
- 利用第三变量的工具变量法，探讨“看电视”与“学习能力”之间是否为因果关系，并指出看电视可能会提高某些方面的偏差值。
- 母亲学历与孩子健康的关系：
- 书中提到，母亲上过大学，孩子可能更健康，但这也并非绝对的因果关系。
- 和学霸做朋友与学习能力的关系：
- 关注跳跃的断点回归设计，探讨“朋友的学力”与“自己的学力”之间是否为因果关系，并得出结论：和学霸在一起，也无法直接提高自己的学习能力。
- 医疗费用自付比例与死亡率的关系：
- 提高老年人医疗费用的自付比例对死亡率没有影响，书中对此进行了详细的分析。
- 关于大学收入与学历关系的探讨：
- 通过组合相似个体的匹配法，找出相似的店铺，整合多个协变量的“倾向得分匹配法”，探讨“大学偏差值”与“收入”之间是否为因果关系。
- 对模式的警惕：
- 即使是随机抛掷硬币，也会产生奇特甚至令人震惊的模式，但它们是毫无意义的。当某人向你展示某种模式时，不管这个人的履历多么令人震撼，你都应该考虑这种模式仅仅出于巧合的可能性。
- 对虚假相关性的认识：
- 如果两种事物之间没有合理的联系，那么对二者的统计性比较也是没有说服力的。例如，股票价格的增长与消费品价格之间可能仅仅存在一种虚假的相关性。
- 数据的局限性与理论的重要性：
- 缺乏理论的数据仅仅是数据而已，缺乏数据的理论仅仅是理论而已。在进行数据分析时，需要同时考虑数据和理论的重要性，以避免被误导性的数据所迷惑。
请注意，上述原文内容是从书中提取的概括性描述，并非完整的原文句子。如需更详细的原文内容，请直接查阅《数据思维：让大脑更清醒》（套装4册）一书。