※ 本文是否可提供臺大同學轉作其他非營利用途？（須保留原作者 ID）
（是／否／其他條件）：是
哪一學年度修課：
ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄)
黃彥棕
λ 開課系所與授課對象 (是否為必修或通識課 / 內容是否與某些背景相關)
數學系所、應數所、基因學程
δ 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?
Ω 私心推薦指數(以五分計) ★★★★★
★★★★★
η 上課用書(影印講義或是指定教科書)
Hernàn & Robins. Causal inference: what if.
以及老師簡報、指定文章
μ 上課方式(投影片、團體討論、老師教學風格)
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
σ 評分方式(給分甜嗎？是紮實分？)
還不知道，之後補，但作業給分很高
ρ 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
ω 其它(是否注重出席率？如果為外系選修，需先有什麼基礎較好嗎？老師個性？
加簽習慣？嚴禁遲到等…)
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
Ψ 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
雖然沒有很多接觸，黃彥棕老師本人也感覺很有魅力！