Welche Beziehung besteht zwischen kausaler Folgerung und Vorhersage?

10

Welche Beziehungen und Unterschiede bestehen zwischen kausaler Inferenz und Vorhersage (sowohl Klassifikation als auch Regression)?

Im Vorhersagekontext haben wir die Prädiktor- / Eingangsvariablen und die Antwort- / Ausgangsvariablen. Bedeutet das, dass es einen kausalen Zusammenhang zwischen Eingabe- und Ausgabevariablen gibt? Gehört Vorhersage also zur kausalen Folgerung?

Wenn ich das richtig verstehe, berücksichtigt die kausale Inferenz die Schätzung der bedingten Verteilung einer Zufallsvariablen bei einer anderen Zufallsvariablen und verwendet häufig grafische Modelle, um die bedingte Unabhängigkeit zwischen Zufallsvariablen darzustellen. Kausale Folgerung ist in diesem Sinne also keine Vorhersage, oder?

prediction causality definition

— Tim
quelle

1

Haben Sie sich diesen Kaggle-Wettbewerb angesehen? kaggle.com/c/cause-effect-pairs Sie könnten etwas interessantes finden

— Simone

1

Dieses Papier spricht über den Unterschied: Galit Shmueli, zu erklären oder vorherzusagen? , Statist. Sci. Band 25, Nummer 3 (2010), 289-310.

— Shu Zhang

4

$Y$ $X$ $Y$ $X$

$X$

— generic_user
quelle

2

Diese Antwort vernachlässigt den Unterschied zwischen kausalen und assoziativen Modellen.

— Neil G

1

Ist Assoziational nicht im Grunde die Standardeinstellung? Und wäre Kausalität nicht in Assoziationen verschachtelt? Ich habe noch nie von jemandem gehört, der jemals über ein Assoziationsmodell gesprochen hat, außer vielleicht abfällig bei einem, bei dem die angeblich kausalen Auswirkungen verwechselt wurden.

— generic_user

1

Okay, ich verstehe Ihren Standpunkt, dass Assoziativität die Standardeinstellung ist und dass Kausalmodelle in dem Sinne "verschachtelt" sind, dass sie leistungsfähiger sind. Die Frage ist, was der Unterschied zwischen einem Kausalmodell und einer Regression oder Klassifikation (einem Assoziationsmodell) ist. Und der Hauptunterschied ist folgender: Während Sie eine Regression von Ursachen zu ihrer Wirkung oder von Wirkungen zu einer hypothetischen Ursache durchführen können; In einem Kausalmodell sind die Beziehungen gerichtet (Ursachen zu Wirkungen). Diese Anweisungen sind erforderlich, um das interventionelle Denken zu unterstützen, das Assoziationsmodelle nicht unterstützen können.

— Neil G

5

Kausale Folgerung erfordert ein kausales Modell. Ein solches Modell kann verwendet werden, um einige Variablen aufgrund von Beobachtungen und Interventionen bei anderen Variablen abzuleiten (vorherzusagen) . Regression und Klassifikation haben keine solche kausale Anforderung und haben daher nichts mit interventionellem Denken zu tun.

— Neil G.
quelle