相关是“预测”的基础，因果是“决策”的前提。长期以来我们重视政策制定，随着社会的发展，经济社会的新现象、新问题不断出现，单靠传统的经验来决策已经不能应付日益复杂的决策问题。针对实际社会经济问题不同阶段的决策问题，本书主要研究以下三方面的内容：一是，事前的因果发现，即如何利用机器学习算法发现变量间的因果关系；二是，事中的因果推断，即基于贝叶斯估计和机器学习算法对传统方法的改进与拓展；三是，事后的因果解释，即针对因果效应进一步分解其中的直接效应和多种间接效应。