no. 1
Causality: a special issue of Journal de la Société Française de Statistique (editorial)
[Causalité : un numéro spécial du Journal de la Société Française de Statistique (éditorial)]
Benkeser, David1 ; Chambaz, Antoine2 ; van der Laan, Mark J.3
1 Department of Biostatistics and Bioinformatics, Emory University, Rollins School of Public Health, 1518 Clifton Road, Atlanta, Georgia 30322.
2 MAP5 (UMR CNRS 8145), Université de Paris, 45 rue des Saints-Pères, 75270 Paris cedex 06.
3 Division of Biostatistics, University of California, Berkeley, Berkeley Way West, 2121 Berkeley Way, #5311 Berkeley, CA 94720-7360.
Journal de la société française de statistique, Tome 161 (2020) no. 1, pp. 1-3.

Invités par Gilles Celeux, éditeur du Journal de la Société Française de Statistique, à orchestrer la préparation d’un numéro spécial dédié au thème de la causalité, nous l’avons conçu comme une collection structurée d’articles couvrant un large spectre de cet excitant domaine. Des experts de renommée internationale se sont associés au projet et ont offert neuf articles. Le numéro spécial se déploie en trois parties. La première partie discute de la causalité en adoptant un point de vue épistémologique. La seconde partie discute des notions de modèles causaux, de quantités causales et d’identifiabilité. La troisième partie aborde enfin le thème de l’inférence de quantités causales.

Invited by Gilles Celeux, editor of the Journal de la Société Française de Statistique, to edit a special issue of the journal devoted to causality, we conceived the special issue as a structured collection of articles covering a large spectrum of this exciting topic. Renowned experts of the field contribute nine articles. The special issue unfolds in three parts. Part 1 discusses causality from an epistemological stance. Part 2 discusses the notions of causal models, causal quantities and identifiability. Part 3 discusses the inference of causal quantities.

Classification : 60-01, 62A01, 62F12, 62F35, 62G08, 62G20
Keywords: causal models, causality, identifiability, inference, instrumental vaiables, semiparametric models, targeted learning
Mot clés : apprentissage ciblé, causalité, identifiabilité, inférence, modèles causaux, modèles semi-paramétriques, variables instrumentales
Benkeser, David 1 ; Chambaz, Antoine 2 ; van der Laan, Mark J. 3

1 Department of Biostatistics and Bioinformatics, Emory University, Rollins School of Public Health, 1518 Clifton Road, Atlanta, Georgia 30322.
2 MAP5 (UMR CNRS 8145), Université de Paris, 45 rue des Saints-Pères, 75270 Paris cedex 06.
3 Division of Biostatistics, University of California, Berkeley, Berkeley Way West, 2121 Berkeley Way, #5311 Berkeley, CA 94720-7360. 
@article{JSFS_2020__161_1_1_0,
     author = {Benkeser, David and Chambaz, Antoine and van der Laan, Mark J.},
     title = {Causality: a special issue of {Journal} de la {Soci\'et\'e} {Fran\c{c}aise} de {Statistique} (editorial)},
     journal = {Journal de la soci\'et\'e fran\c{c}aise de statistique},
     pages = {1--3},
     publisher = {Soci\'et\'e fran\c{c}aise de statistique},
     volume = {161},
     number = {1},
     year = {2020},
     zbl = {07219853},
     language = {en},
     url = {http://www.numdam.org/item/JSFS_2020__161_1_1_0/}
}
TY  - JOUR
AU  - Benkeser, David
AU  - Chambaz, Antoine
AU  - van der Laan, Mark J.
TI  - Causality: a special issue of Journal de la Société Française de Statistique (editorial)
JO  - Journal de la société française de statistique
PY  - 2020
SP  - 1
EP  - 3
VL  - 161
IS  - 1
PB  - Société française de statistique
UR  - http://www.numdam.org/item/JSFS_2020__161_1_1_0/
LA  - en
ID  - JSFS_2020__161_1_1_0
ER  - 
%0 Journal Article
%A Benkeser, David
%A Chambaz, Antoine
%A van der Laan, Mark J.
%T Causality: a special issue of Journal de la Société Française de Statistique (editorial)
%J Journal de la société française de statistique
%D 2020
%P 1-3
%V 161
%N 1
%I Société française de statistique
%U http://www.numdam.org/item/JSFS_2020__161_1_1_0/
%G en
%F JSFS_2020__161_1_1_0
Benkeser, David; Chambaz, Antoine; van der Laan, Mark J. Causality: a special issue of Journal de la Société Française de Statistique (editorial). Journal de la société française de statistique, Tome 161 (2020) no. 1, pp. 1-3. http://www.numdam.org/item/JSFS_2020__161_1_1_0/

[1] Benkeser, D.; Chambaz, A. A ride in targeted learning territory, Journal de la Société Française de Statistique, Volume 161 (2020) no. 1, pp. 201-286 | MR | Zbl

[2] Benkeser, D.; Juraska, M.; Gilbert, P. B. Assessing trends in vaccine efficacy by pathogen genetic distance, Journal de la Société Française de Statistique, Volume 161 (2020) no. 1, pp. 164-175 | MR | Zbl

[3] Chambaz, A.; Drouet, S.; Memetea, S. Simpson’s paradox, a tale of causality, Journal de la Société Française de Statistique, Volume 161 (2020) no. 1, pp. 42-66 | MR | Zbl

[4] DiazOrdaz, K.; Daniel, R.; Kreif, N. Data-adaptive doubly robust instrumental variable methods for treatment effect heterogeneity, Journal de la Société Française de Statistique, Volume 161 (2020) no. 1, pp. 135-163 | MR | Zbl

[5] Kennedy, E. H.; Small, D. S. Paradoxes in instrumental variable studies with missing data and one-sided noncompliance, Journal de la Société Française de Statistique, Volume 161 (2020) no. 1, pp. 120-134 | MR | Zbl

[6] Luedtke, A. R.; Wu, J. Efficient Principally Stratified Treatment Effect Estimation in Crossover Studies with Absorbent Binary Endpoints, Journal de la Société Française de Statistique, Volume 161 (2020) no. 1, pp. 176-200 | MR | Zbl

[7] Saddiki, H.; Balzer, L. A Primer on Causality in Data Science, Journal de la Société Française de Statistique, Volume 161 (2020) no. 1, pp. 67-90 | MR | Zbl

[8] Shpitser, I. Identification in Causal Models With Hidden Variables, Journal de la Société Française de Statistique, Volume 161 (2020) no. 1, pp. 91-119 | MR | Zbl

[9] Starmans, R. Prometheus unbound or paradise regained: the concept of causality in the contemporary AI-data science debate, Journal de la Société Française de Statistique, Volume 161 (2020) no. 1, pp. 4-41 | MR | Zbl