Causal inference is a complex scientific task that relies on evidence from multiple sources and a variety of methodological approaches. By providing a cohesive presentation of concepts and methods that are currently scattered across journals in several disciplines, Causal Inference: What If provides an introduction to causal inference for scientists who design studies and analyze data. The book is divided into three parts of increasing difficulty: causal inference without models, causal inference with models, and causal inference from complex longitudinal data.FEATURES:
- Emphasizes taking the causal question seriously enough to articulate it with sufficient precision
- Shows that causal inference from observational data relies on subject-matter knowledge and therefore cannot be reduced to a collection of recipes for data analysis
- Describes causal diagrams, both directed acyclic graphs and single-world intervention graphs
- Explains various data analysis approaches to estimate causal effects from individual-level data, including the g-formula, inverse probability weighting, g-estimation, instrumental variable estimation, outcome regression, and propensity score adjustment
- Includes software and real data examples, as well as 'Fine Points' and 'Technical Points' throughout to elaborate on certain key topicsCausal Inference: What If has been written for all scientists that make causal inferences, including epidemiologists, statisticians, psychologists, economists, sociologists, political scientists, computer scientists, and more. The book is substantially class-tested, as it has been used in dozens of universities to teach courses on causal inference at graduate and advanced undergraduate level.

近几年间，研究者分析时间序列数据的方式发生了显著的变化。因此，很有必要对这一日益重要的研究领域的新近发展进行综合，并整体呈现出来。作者第一次对时间序列分析的相关进展做出详细、全面的梳理与阐述。这些研究进展包括向量自回归、广义矩估计、单位根的经济与统计结果、非线性时间序列等。另外，作者在本书中还阐述了包括线性表征、自相关、生成函数、谱分析、卡尔曼滤波等动态系统的传统分析工具。这些内容有助于经济理论研究和解释现实世界的数据.
本书将为学生、研究者和预测人员提供对动态系统、计量经济和时间序列分析的独立而明确的全面分析。从最简单的原理出发，作者的清晰表达使得一年级研究生和非专业人士也能理解相关内容的历史进展和新近发展。同时，由于其全面性，使得该书为研究者了解学术前沿提供了宝贵的参考文献。作者一方面通过大量的例子展示理论结果如何运用于实践，另一方面在相关章节后面提供了详细的数学附录。作为为相关领域学生和研究者提供的理论路线图，该书将成为未来若干年相关领域的权威指导书。

《格致方法定量研究系列:抽样调查方法简介》主要讲述了，抽样调查作为一种提供统计数据的方式，已在众多领域被研究者和管理者们应用，这些领域包括社会学、社会心理学、人口学、政治学、经济学、教育学以及公共健康等。《格致方法定量研究系列:抽样调查方法简介》围绕抽样调查的方法层面这一主题展开论述，先简要介绍了简单随机抽样、系统抽样、分层抽样、整群抽样和多阶抽样、概率抽样等方法的概念，然后逐个引入实例，具体解释这些方法在实际中的应用及优缺点。最后，《格致方法定量研究系列:抽样调查方法简介》还推荐了抽样调查的理论和实例文献，方便读者深入了解并在必要时参考。

《社会网络分析：方法与应用》涉及社会网络分析（SNA）在多领域的应用实例和基本方法工具，让社会科学研习者能在阅读本书后立刻开始他们自己的社会网络研究。这本富有创新性的著作摒弃了对数学方法的强调，而是从理念上讨论了社会网络分析方法的精要之处，以及如何将其运用于研究设计、数据收集和分析中。四个章节介绍了社会网络分析方法在政治学、工作与组织、心理与身体健康、犯罪与恐怖主义研究中的应用实例。

《多变量分析：SPSS的操作与应用》所介绍的多变量分析技术，除了SPSS/Base功能外，也针对Advanced等模块的功能加以说明，如平均数检定、一般线性模式、因素分析、集群分析、区别分析、回归分析等，并探讨一般书上少见的多元尺度法、TREE、Logistic、规则相关分析、联合分析、时间数列分析等进阶的多变量分析。此外，有关SPSS的外挂程序，包括结构方程模型AMOS与数据探勘Clementine等也多有着墨。

社会调查设计与数据分析：从立题到发表，ISBN：9787562460749，作者：徐云杰

《基本有用的计量经济学》主要从因果推断的基本思想出发，详细介绍Rubin潜在结果框架、随机化实验、匹配方法、回归方法、工具变量法、倍差法、断点回归法等现代经验分析方法，对从事社会科学、统计学、医学统计等领域的学生或学者提供重要的因果推断工具。在计量经济学应用模型中，本书着重讨论了模型类型选择、模型变量选择、模型函数关系设定和模型变量性质设定的原则和方法。在详细介绍线性回归模型的数学过程的基础上，各章的重点不是理论方法的数学推导与证明，而是对实际应用中出现的实际问题的处理，并尽可能与中国的模型实例相结合。
本书适合作为高等院校经济、管理学科本科生和硕士研究生的教材或教学参考书，也可供具有一定数学、经济学和经济统计学基础的经济管理和研究人员阅读和参考。

Statistics for Linguists: An Introduction Using R is the first statistics textbook on linear models for linguistics. The book covers simple uses of linear models through generalized models to more advanced approaches, maintaining its focus on conceptual issues and avoiding excessive mathematical details. It contains many applied examples using the R statistical programming environment. Written in an accessible tone and style, this text is the ideal main resource for graduate and advanced undergraduate students of Linguistics statistics courses as well as those in other fields, including Psychology, Cognitive Science, and Data Science.

In 1949, at the end of a long period of wars, one of the biggest challenges facing leaders of the new People’s Republic of China was how much they did not know. The government of one of the world’s largest nations was committed to fundamentally reengineering its society and economy via socialist planning while having almost no reliable statistical data about their own country. Making It Count is the history of efforts to resolve this “crisis in counting.” Drawing on a wealth of sources culled from China, India, and the United States, Arunabh Ghosh explores the choices made by political leaders, statisticians, academics, statistical workers, and even literary figures in attempts to know the nation through numbers.
Ghosh shows that early reliance on Soviet-inspired methods of exhaustive enumeration became increasingly untenable in China by the mid-1950s. Unprecedented and unexpected exchanges with Indian statisticians followed, as the Chinese sought to learn about the then-exciting new technology of random sampling. These developments were overtaken by the tumult of the Great Leap Forward (1958–61), when probabilistic and exhaustive methods were rejected and statistics was refashioned into an ethnographic enterprise. By acknowledging Soviet and Indian influences, Ghosh not only revises existing models of Cold War science but also globalizes wider developments in the history of statistics and data.
Anchored in debates about statistics and its relationship to state building, Making It Count offers fresh perspectives on China’s transition to socialism.

Designed for researchers and graduate students in machine learning, this book introduces the theory of variational Bayesian learning, a popular machine learning method, and suggests how to make use of it in practice. Detailed derivations allow readers to follow along without prior knowledge of the specific mathematical techniques.

计算社会科学（CSS）是一门融合传统社会科学、计算科学、环境科学和工程科学的新兴的交叉学科，深受赫伯特•A. 西蒙（Herbert A. Simon）等20世纪学科先驱的启发，试图通过计算科学和计算技术来研究社会科学领域的问题。
本书阐述了计算社会科学的四种方法，即社会信息的自动提取、社会网络分析、社会的复杂性理论、社会仿真建模，并探讨了一系列方法工具，阐明了如何利用计算方法进行不同层次的社会复杂性分析，考察了社会现象语境下知识的跨学科整合。
计算社会科学提供了系统、科学、图形化的表达方式，这在传统社会科学领域相当罕见。

《应用R软件和Epicalc程序包分析流行病学数据》前4章介绍R软件的概念和一些重要的基本元素，比如标量、向量、矩阵、数组和数据框架的简单处理方法。第5章介绍一些简单的数据分析。第6章介绍日期和时间变量，并在第7章通过一些数据集来得到完全的诠释，描述性统计量和行列表伴随自动生成的图形，使得重要的结果能得到更全面的展示。第8章通过行列表来观察暴发，对各种类型的风险评估比如风险比率，可以用数字和图形来显示。第9章数据集的分析得到进一步扩展，处理不同水平间的联系或0R值，并对如何分层作表，计算Mantel．Haenzsel的OR值，以及0R值的同质性检验进行了详细的解释，同时附以图形说明。结合图形，混杂这个概念能够得以更好的理解。

本书的目标是教会读者使用最重要的数据科学工具，从而为实施数据科学奠定坚实的基础。读完本书后，你将掌握R语言的精华，并能够熟练使用多种工具来解决各种数据科学难题。每一章都按照这样的顺序组织内容：先给出一些引人入胜的示例，以便你可以整体了解这一章的内容，然后再深入细节。本书的每一节都配有习题，以帮助你实践所学到的知识。

中译本序
每当我们看到一个新的软件，第一反应会是：为什么又要发明一个新软件？ggplot2是R世界里相对还比较年轻的一个包，在它之前，官方R已经有自己的基础图形系统（graphics包）和网格图形系统（grid包），并且Deepayan Sarkar也开发了lattice包，看起来R的世界对图形的支持已经足够强大了。那么我们不禁要问，为什么还要发明一套新的系统？
设计理念
打个比方，想想我们小时候怎样学中文的。最开始的时候我们要识字，不认识字就没法阅读和写作，但我们并不是一直按照一个个汉字学习的，而是通过句子和具体的场景故事学习的。为什么不在小学时背六年字典呢？那样可能认识所有的汉字。原因很简单，光有单字，我们不会说话，也无法阅读和写作。缺的是什么？答案是对文字的组织能力，或者说语法。
R的基础图形系统基本上是一个“纸笔模型”，即：一块画布摆在面前，你可以在这里画几个点，在那里画几条线，指哪儿画哪儿。后来lattice包的出现稍微改善了这种情况，你可以说，我要画散点图或直方图，并且按照某个分类变量给图中的元素上色，此时数据才在画图中扮演了一定的中心角色，我们不用去想具体这个点要用什么颜色（颜色会根据变量自动生成）。然而，lattice继承了R语言的一个糟糕特征，就是参数设置铺天盖地，足以让人窒息，光是一份xyplot()函数的帮助文档，恐怕就够我们消磨一天时间了，更重要的是，lattice仍然面向特定的统计图形，像基础图形系统一样，有直方图、箱线图、条形图等等，它没有一套可以让数据分析者说话的语法。
那么数据分析者是怎样说话的呢？他们从来不会说这条线用#FE09BE颜色，那个点用三角形状，他们只会说，把图中的线用数据中的职业类型变量上色，或图中点的形状对应性别变量。有时候他们画了一幅散点图，但马上他们发现这幅图太拥挤，最好是能具体看一下里面不同收入阶层的特征，所以他们会说，把这幅图拆成七幅小图，每幅图对应一个收入阶层。然后发现散点图的趋势不明显，最好加上回归直线，看看回归模型反映的趋势是什么，或者发现图中离群点太多，最好做一下对数变换，减少大数值对图形的主导性。
从始至终，数据分析者都在数据层面上思考问题，而不是拿着水彩笔和调色板在那里一笔一划作图，而计算机程序员则倾向于画点画线。Leland Wilkinson的著作在理论上改善了这种状况，他提出了一套图形语法，让我们在考虑如何构建一幅图形的时候不再陷在具体的图形元素里面，而是把图形拆分为一些互相独立并且可以自由组合的成分。这套语法提出来之后他自己也做了一套软件，但显然这套软件没有被广泛采用；幸运的是，Hadley Wickham在R语言中把这套想法巧妙地实现了。
为了说明这种语法的想法，我们考虑图形中的一个成分：坐标系。常见的坐标系有两种：笛卡尔坐标系和极坐标系。在语法中，它们属于一个成分，可自由拆卸替换。笛卡尔坐标系下的条形图实际上可以对应极坐标系下的饼图，因为条形图的高可以对应饼图的角度，本质上没什么区别。因此在ggplot2中，从一幅条形图过渡到饼图，只需要加极少量的代码，把坐标系换一下就可以了。如果我们用纸笔模型，则可以想象，这完全是不同的两幅图，一幅图里面要画的是矩形，另一幅图要画扇形。
更多的细节在本书中会介绍，这里我们只是简略说明用语法画图对用纸笔画图来说在思维上的优越性；前者是说话，后者是说字。
发展历程
ggplot2是Hadley在爱荷华州立大学博士期间的作品，也是他博士论文的主题之一，实际上ggplot2还有个前身ggplot，但后来废弃了，某种程度上这也是Hadley写软件的特征，熟悉他的人就知道这不是他第一个“2”版本的包了（还有reshape2）。带2的包和原来的包在语法上会有很大的改动，基本上不兼容。尽管如此，他的R代码风格在R社区可谓独树一帜，尤其是他的代码结构很好，可读性很高，ggplot2是R代码抽象的一个杰作。读者若感兴趣，可以在GitHub网站上浏览他的包：https://github.com/hadley。在用法方面，ggplot2也开创了一种奇特而绝妙的语法，那就是加号：一幅图形从背后的设计来说，是若干图形语法的叠加，从外在的代码来看，也是若干R对象的相加。这一点精妙尽管只是ggplot2系统的很小一部分，但我个人认为没有任何程序语言可比拟，它对作为泛型函数的加号的扩展只能用两个字形容：绝了。
至2013年2月26日，ggplot2的邮件列表（http://groups.google.com/group/ggplot2 ）订阅成员已达3394人，邮件总数为15185封，已经成为一个丰富、活跃的用户社区。未来ggplot2的发展也将越来越依赖于用户的贡献，这也是很多开源软件最终的走向。
关于版本更新
原书面世之时，ggplot2的版本号是0.8.3，译者开始翻译此书时是0.9.0版本；该版本较之0.8.3，内部做了一些大改动。此后，ggplot2频繁升级，目前版本号是0.9.3，当然这也给本书的翻译过程带来了相当大的麻烦。因为译者不但要修正原书中大量过时的代码、重新画图，还要修正过时的理念，以及处理数次版本更新的影响。所幸，在翻译过程中，译者得到了本书审校殷腾飞博士、ggplot2开发者Hadley Wickham和Wistong Chang的大力帮助。
如果你是老用户，那么可能需要阅读下面的小节。之后ggplot2有过多次更新，尤其是0.9.0之后，ggplot2的绘图速度和帮助文档有了质的飞跃。关于0.9的更新，读者可以从https://github.com/downloads/hadley/ggplot2/guide-col.pdf下载一份细致的说明文档，但原文档比较长，而且有些内部更新问题我们也不一定需要了解，因此这里给一段概述。
ggplot2的帮助文档大大扩充了，过去头疼的问题之一就是一个函数里面不知道有哪些可能的参数，例如theme()函数，现在已经有了详细说明。
新增图例向导函数guide_legend()和guide_colorbar()，前者可以用来指导图例的排版，例如可以安排图例中元素排为n行m列；后者增强了连续变量图例的展示，例如当我们把颜色映射到一个连续变量上时，过去生成的图例是离散的，现在可以用这个函数生成连续颜色的图例（渐变色）。
新增几何对象函数geom_map()（让地图语法变得更简单），geom_raster()（更高效的geom_tile()），geom_dotplot()（一维点图，展示变量密度分布）和geom_violin()（小提琴，实为密度曲线）。
新增统计变换函数stat_summary2d()（在二维网格上计算数据密度），stat_summary_hex()（在六边形“蜂巢”上计算数据密度），stat_bindot()（一维点图密度），stat_ydensity()（密度曲线，用于小提琴图）。
facet_grid()支持X轴和Y轴其中一者可以有自由的刻度（根据数据范围而定），以往要么所有切片使用同样的坐标轴刻度，要么所有都自由。
geom_boxplot()开始支持画箱线图的凹槽（notch），就像R基础图形系统中的boxplot()函数。
新增函数ggmissing()用来展示缺失值的分布，ggorder()按照数据观察顺序先后画折线图，ggstructure()展示数据热图。
另外这次更新涉及到一些函数参数名称的变化，如果旧代码在这个版本中报错说有未使用的参数，那么用户需要再次查看帮助文档，确保输入的参数在函数中存在。在所有这些表面的更新背后，实际上ggplot2很大程度上被重写了，例如开始使用R自带的S3泛型函数设计，以及将过去ggplot2的功能继续模块化为一些独立的包，一个典型的例子就是标度部分的功能被抽象到scales包中，从数据映射到颜色、大小等外观属性可以由这个包直接完成。这种分拆也使得其他开发者可使用过去ggplot2内部的一些功能函数。
0.9.1版本主要解决了0.9.0版本中的一些漏洞。ggplot2在2012年9月4日发布了新的版本0.9.2，其中一些特性和更新有必要提及：
采用了全新的主题（theme）系统，opts()函数已被标记为“不推荐使用”（deprecated），将在未来版本中被取消，取而代之的是theme()函数，主题元素（theme element）由属性列表构成，支持继承，主题之间可以直接进行合并等操作。详情参见wiki页面：https://github.com/wch/ggplot2/wiki/New-theme-system 。
依赖于新的gtable包。 用来更方便地调整修改ggplot2图形中的图元，ggplotGrob()会返回一个gtable类，这个对象可以利用gtable包中提供的函数和接口进行操作。
所有“模板”类型的图形函数，比如plotmatrix()，ggorder()等等，已被标记为“不推荐使用”（deprecated），将在未来版本中取消。
在本书出版之际，ggplot2更新到了版本0.9.3，修复了0.9.2的一些漏洞，其主要更新包括
不再支持plotmatrix()函数。
geom_polygon()提速，比如世界地图的绘制快了12倍左右。
新增部分主题，比如theme_minimal()，theme_classic()。
本书的所有代码和图片都是针对新版本0.9.3的，在内容方面也根据版本更新对原文做了适当的增删填补，以满足读者的需求。
本书把影响正文阅读的彩图集中放在附录后面，读者可以随时翻阅。
致谢
在听说我们翻译完这本书之后，本书原著Hadley很高兴，给我们发邮件说：
I am excited and honoured to have my book translated to Chinese. ggplot2 has become far more popular than I ever imagined, and I'm excited that this translation will allow many more people to learn ggplot2. I'm very grateful that Yihui and his team of translators (Nan Xiao, Tao Gao, Yixuan Qiu, Weicheng Zhu, Taiyun Wei and Lanfeng Pan) made this possible.
One of the biggest improvements to ggplot2 since the book was first written is the ggplot2 mailing list. This is a very friendly environment where you can get help with your visualisations, and improve your own knowledge of ggplot2 by helping others solve their problems. I'd strongly encourage you to join the mailing list, even if you think your English is not very good -- we are very friendly people.
我们感谢这本书的译者，包括邱怡轩（第1~2章）、主伟呈（第3~4章）、肖楠（第5~6章）、高涛（第7~8章）、潘岚锋（第9章）、魏太云（第10章、附录以及翻译过程的协调安排和全书的LaTeX排版工作）。所有译者均来自于统计之都（http://cos.name ）。
爱荷华州立大学的殷腾飞博士、中国人民大学统计学院的孟生旺教授、浙江大学的张政同学通读了译稿，提出了很多有用的建议，殷腾飞博士还提供了大多数新版本中的解决方案，并担任本书的审校。肖凯老师和余光创博士分别对第1~4章、第8~10章以及附录提出了很多修改意见，此外，中国人民大学的陈妍、李晓矛、谢漫锜三位同学、中国再保险公司的李皞先生、百度公司的韩帅先生、eBay公司的陈丽云女士、Mango Solutions公司的李舰先生、京东商城的刘思喆先生、首钢总公司的邓一硕先生、新华社的陈堰平先生在此书的翻译过程中也曾提过不少宝贵的建议，在此一并表示感谢。
为了更好地服务社区，我们还建立了翻译主页：https://github.com/cosname/ggplot2-translation ，读者可以在这里得到最新的勘误和书中的代码，也可以随时提出任何问题。
谢益辉
2013年2月26日

Providing a much-needed bridge between elementary statistics courses and advanced research methods courses, Understanding Advanced Statistical Methods helps students grasp the fundamental assumptions and machinery behind sophisticated statistical topics, such as logistic regression, maximum likelihood, bootstrapping, nonparametrics, and Bayesian methods. The book teaches students how to properly model, think critically, and design their own studies to avoid common errors. It leads them to think differently not only about math and statistics but also about general research and the scientific method. With a focus on statistical models as producers of data, the book enables students to more easily understand the machinery of advanced statistics. It also downplays the "population" interpretation of statistical models and presents Bayesian methods before frequentist ones. Requiring no prior calculus experience, the text employs a "just-in-time" approach that introduces mathematical topics, including calculus, where needed. Formulas throughout the text are used to explain why calculus and probability are essential in statistical modeling. The authors also intuitively explain the theory and logic behind real data analysis, incorporating a range of application examples from the social, economic, biological, medical, physical, and engineering sciences. Enabling your students to answer the why behind statistical methods, this text teaches them how to successfully draw conclusions when the premises are flawed. It empowers them to use advanced statistical methods with confidence and develop their own statistical recipes. Ancillary materials are available on the book's website.

Exponential random graph models (ERGMs) are increasingly applied to observed network data and are central to understanding social structure and network processes. The chapters in this edited volume provide a self-contained, exhaustive account of the theoretical and methodological underpinnings of ERGMs, including models for univariate, multivariate, bipartite, longitudinal and social-influence type ERGMs. Each method is applied in individual case studies illustrating how social science theories may be examined empirically using ERGMs. The authors supply the reader with sufficient detail to specify ERGMs, fit them to data with any of the available software packages and interpret the results.

本书从应用的角度系统地介绍了几种常用的追踪数据分析方法，内容包括重复测量方差分析，多元方差分析，基于多层分析技术上的发展模型的方法和基于结构方程模型基础上的潜变量增长曲线模型的方法。本书除了介绍不同的方法、软件的操作以及对结果的解释外，还对不同方法在应用上的优缺点进行了比较分析，就追踪研究的设计、缺失值的处理等问题进行了探讨。本书可作为有关专业研究生的教科书和应用工作才者的参考书。

Leo Kadanoff is a theoretical physicist who has done research on chaos theory, superconductivity, phase transitions, fluid flow, the sociology of urban areas, heat transfer in missiles and elementary particle physics, During the last twenty-five years, he has devoted considerable effort to the development of teaching programs for underaduates based upon the use of small computers. Much of this teaching program has been an outgrowth of his interest in the description of chaos in physical systems.
此书为英文版。

《概率、随机变量与随机过程》是美国著名学者A·帕普里斯教授所著的一本经典教材。自1965年第1版问世以来至今已第4版，一直被美国多所大学用作相关专业的研究生教材。它的特点是将高深的理论恰当地应用于工程实际，因而深受工程界专业人士的青睐。本书（第4版）在保持前三版风格和精华的基础上作了大量的修订：更新了约三分之一的章节内容，包括几个新的专题和新增的第15、16章，增加了大量的新例子，进一步澄清了一些复杂的概念，使读者能更容易地理解它们。
本书可供无线电通信系统、信号处理、控制理论、优化、滤波等专业的研究生和本科高年级学生使用，也可供相关领域的科开人员和工程技术人员参考。