2.1 導入
実質科学 substantial science
方法論 methodology
2.2 反事実モデルによる因果の定義
反事実モデル
個体レベルの因果 unit-level causation
因果推論の根本問題 fundamental problem of causal inference
ある因果関係を調べたいときに生じる問題。「あのときああしていれば」と思うけど、実際知るのは無理ということ。
例えば、薬の効果をある個体について調べたいとき、薬を飲むか飲まないかの二つの選択肢のうちどちらかを選ばなければいけないとすれば、それによって生じる結果もまたどちらか一方しか観測できない。それは、時間を巻き戻して、同じ状態の個体を用意すること（実現しなかったことを反事実と呼ぶ）は不可能だから。
集団レベルの因果関係 population-level causation
2.3 構造方程式モデルによるデータ生成過程の記述
構造方程式モデル structural equation model
データ生成過程を記述する数学の一つ。一般に四つの要素から構成される。内生変数、外生変数、それらをつなぐ関数、外生変数の確率分布。
内生変数 endogenous variable
構造方程式の左辺に出てくる変数のこと。なぜ内生？
外生変数
構造方程式の右辺に出てくる変数のこと。
2.4 統計的因果推論の枠組み：構造的因果モデル
構造的因果モデル structural causal model
反事実モデルと構造方程式モデルの二つを基礎にしたモデル。
介入 intervention
自律性の仮定
平均因果効果
集団レベルでの比較方法。介入ありとなしの場合における各集団の期待値の差。
潜在反応モデル potential outcome model
？
2.5 ランダム化実験
ランダム化実験（無作為化実験）
以下、飲み込めてない
do 記号の入った期待値を計算するためには、集団の個体全ての x の値を 1 または 0 に定めるという介入をする必要があります。（略）一方、do 記号の入っていない通常の条件付き期待値を計算するためには、そのような集団の個体全てへの介入をする必要はありません。
do記号何のために入れる？
2.6 本章のまとめ
三章ではランダム化実験が行えない場合について見ていくので、また読んでから戻ろう。
⬆︎ 他の 章 はこちら
