为什么

这本书关于因果讨论可分为两个部分，第一部分注重思想层面的探讨，主要用的是案例和因果图示法，这部分内容值得反复研读，是非常好的思维训练，如果能完全摸透作者这套方法论，对于涉及因果的问题的理解会有质的飞跃。第二部分是作者对技术处理层面的探讨，当然对学术来说这部分很重要，但是普通读者看懂比较困难，但即便忽略所有这些内容，也不影响阅读和吸收这本书的核心内容。当然，作为一本综述性的著作，作者穿插了大量因果理论发展的历史，以及他自己的学术生涯经历，也颇有可看性，且趣味十足。如果你想对因果关系和相关关系有透彻的理解，亦或是想对学术领域成果（涉及因果的结论）有更佳的判断力，那么这本书非常值得一读，特别是作者这套因果图工具，堪称经典。 /Moon

十分钟翻过略感失望。首先明确本书讨论的因果关系不是形而上学的也不是心理学哲学的，其与哲学的主要关系在科学哲学上，尽管作者对因果在哲学上的丰富歧义性是有基本了解的。我理解其动意在于扬弃数据分析只谈相关不谈因果的教条，也无意否定因果推断模型或可给出与人类直觉契合的因果关系判断。可是即使人工智能看起来跟人类可以做出完全相同的因果关系判定，这并不意味着人类的哪怕是此种狭义的因果概念可以还原为此种推断关系，也不能直接支持机器学会了因果。作者提到了中文屋式挑战，但并未给出足够的回应。此种因果理解倒是有一种康德式色彩，似乎有一套东西先天地就定义了因果关系，对于人类、AI和其他具有纯粹理性者来说都在这儿现成放着。然而作者没有像康德那样给出纯粹理性的边界，这倒暗示了另一种潜在风险。

本来以为是讲讲DAG这一套，没想到是本不错的统计学历史，对Monty Hall，吸烟和肺癌，Pearson、Neyman和Fisher的故事回顾得都很好……

打算当成一本科普畅销书来看，没想到是一本真正的科学思考书籍，对于逻辑、数学有一定基础要求。因果还是相关？这个我们曾直接接受的选项在本书中受到了质疑，固然有王婆卖瓜之嫌，但是对于do因子、非扰动因素、反事实假设、几种悖论的论述还是非常有意思，值得思考的。畅销书某种意义上让读者爽，反复用一本书，各个有点鸡汤的例子来说明一两个简单的道理；而真正有价值的书籍往往信息密度大，恨不得一本书里塞上一千个、一万个值得读者思考的点，而且不是那种能直接接受或质疑的点，是必须反复咀嚼、配合多个问题来回答的点。这本书提到的很多思维方式适合常常翻阅，刺激自己的大脑。

本书六星。

读到一半弃疗了…没怎么学过概率论直接啃书的话太难了

是在下草率了，翻了几天后决定放过自己

极其好的一本书，原著不用说了，大拿，译者也是北大教统计学的老师。这本书的精要在于提出的因果革命：统计学一味排除因果而用相关代替虽然在其提出伊始有合理性，但随着统计学的发展，尤其是贝叶斯网络以及隐马尔科夫链，因果应重回人们视线。当然高尔顿作为大英帝国子民，沉湎于休谟开始的对因果是一种人为叙述策略是可以理解的。而且有一点高尔顿没有错，即社会不像自然界，运气会和基因一样被复制（布尔迪厄各类社会资本、文化资本就是），因此虽然智商身高没有极端值出现，而财富上有之。珀尔一句话说出贝叶斯网络的精要：它能容纳主观性，但又不是不受限制，就像花滑、体操、跳水所有要裁判打分的项目那样——还什么艺术表现，可笑。本书对于高中生作文意义非凡：你知道你的归因有很多混合因子么！只可惜高考只要求归因，并不要求评估归因。

没有读完，所以我不知道因果关系是否存在，也不知道如何去证明与否定它。

人类从混杂，偏倚和错误中介中推断因果的实践从未停止过，其所掌握的一切解释性知识都得自于相关观察之外的多了解一点东西的贪心。从《大数据时代》到《为什么》，的确经历了认知上的巨大变革。