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 (vector)自回归 (autoregressive)（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 (reinforcement learning)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 (inference)的方法。