本章讨论因果推断方法在时间数据和动态性很强的系统中的应用。分析时间序列中的因果关系会遇到一些特有的难题，例如自相关、非平稳性和反馈机制，这些都需要专门的处理。

我们首先回顾格兰杰因果（Granger Causality）的提出方式及其缺点。随后，您将学习应用结构向量自回归（SVAR）模型来确定和估计多元时间序列中的因果效应。本章讨论内容还将涉及序列决策问题，通过研究动态治疗方案（DTRs）及其估计方法。我们还将讲解专门用于时间数据集中因果关系发现的算法，并讨论其与强化学习的关联，侧重于从因果角度进行离策略评估。本章旨在让您掌握处理随时间收集的数据时进行严谨因果推理的方法。