110–1 數學系所、應數所、基因學程選修

課程評價：因果推論

• 授課教師：黃彥棕

課程大概內容

• 第2週 9/27. A definition of causal effect
• 第3週 10/04. Randomized experiments
• 第4週 10/11. Observational studies
• 第5週 10/18. Effect modification
• 第6週 10/25. Interaction
• 第7週 11/01. Graphical representation of causal effects
• 第8週 11/08. Confounding
• 第9週 11/15. Selection bias
• 第10週 11/22. IP weighting and marginal structural models
• 第11週 11/29. Standardization and the parametric g-formula
• 第12週 12/06. G-estimation and structural nested models
• 第13週 12/13. Introduction to mediation
• 第14週 12/20. Multi-mediator models
• 第15週 12/27. Hypothesis tests of mediation
• 第16週 1/03. Instrumental variable
• 第17週 1/10. [no class]
• 第18週 1/17. FINAL PROJECT?

私心推薦指數

★★★★★

上課用書

• Hernàn & Robins. Causal inference: what if.
• 老師簡報、指定文章

上課方式

本學期除了期末報告以外完全都是遠距教學。在上 what if 那本課本時就是錄投影片，然後老師對著投影片講話比劃。最後幾週中介分析和工具變數的內容，老師就放去年實體上課的錄影。期末最後兩週有期末報告；分組報告指定的期刊文章，與中介分析和工具變數相關。

評分方式

還不知道，之後補，但作業給分很高

考題型式、作業方式

沒有考試，有三次作業一次分組報告；應該是全數學系課程要求最低的課；作業就是跟課堂內容相關的簡單練習；分組報告指定的期刊文章的部分比較困難，吃重既有的知識。

其它

應該只要修過初統（知道什麼是 pdf、cdf、條件機率），知道 Stieltjes 積分的 notation應付課程的前三分之二就沒有問題。但課程的後三分之一有許多蠻技術性的細節。不過，因為不會考試，也不見得要弄懂每一個細節才能通過這門課

總結

大概是我這學期修過最喜歡的課。雖然沒能搞懂每一個數學證明，而且因為修其他課有點應付不來，也沒辦法在這門課上花太多時間，但確實有那種眼界變得更開闊的感覺。

只修過系上的統計學、計量經濟學導論和高統一，在修這門課的過程中也發現很多自己的不足之處；不過面對很多複雜的、蠻技術性的部分也有被激起學習的興趣，讓人以後想要繼續學習相關的因果推論、統計、迴歸分析知識。而雖然沒有很多接觸，但黃彥棕老師本人也感覺很有魅力！