Qual è la relazione tra inferenza causale e previsione?

10

Quali sono le relazioni e le differenze tra inferenza causale e predizione (sia classificazione che regressione)?

Nel contesto della previsione, abbiamo il predittore / variabili di input e variabili di risposta / output. Ciò significa che esiste una relazione causale tra le variabili di input e output? Quindi, la previsione appartiene all'inferenza causale?

Se capisco correttamente, l'inferenza causale considera la stima della distribuzione condizionale di una variabile casuale data un'altra variabile casuale, e spesso usa modelli grafici per rappresentare l'indipendenza condizionale tra variabili casuali. Quindi, l'inferenza causale, in questo senso, non è previsione, vero?

prediction causality definition

— Tim
fonte

1

Hai dato un'occhiata a questa competizione di Kaggle? kaggle.com/c/cause-effect-pairs potresti trovare qualcosa di interessante

— Simone

1

Questo articolo parla della differenza: Galit Shmueli, Spiegare o Predire ? , Statista. Sci. Volume 25, numero 3 (2010), 289-310.

— Shu Zhang,

6

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

$X$

— generic_user
fonte

2

Questa risposta trascura la differenza tra modelli causali e modelli associativi.

— Neil G,

1

Bene, l'associazione non è sostanzialmente l'impostazione predefinita? E il nesso causale non sarebbe nidificato all'interno dell'associazione? Non ho mai sentito parlare di qualcuno che abbia mai parlato di un "modello associativo", tranne forse in modo sprezzante nel caso di uno in cui gli effetti apparentemente causali erano confusi.

— generic_user

1

Ok, vedo il tuo punto che l'associazione è il default e che i modelli causali sono "nidificati", nel senso che sono più potenti. La domanda è qual è la differenza tra un modello causale e regressione o classificazione (un modello associativo). E la differenza principale è che: mentre puoi fare regressione dalle cause al loro effetto, o dagli effetti a qualche ipotetica causa; in un modello causale, le relazioni sono dirette (cause agli effetti). Queste direzioni sono necessarie per supportare il ragionamento interventistico, che i modelli associativi non possono supportare.

— Neil G,

6

L'inferenza causale richiede un modello causale. Tale modello può essere utilizzato per inferire (prevedere) alcune variabili dati osservazioni e interventi su altre variabili. La regressione e la classificazione non hanno tale requisito causale e quindi non hanno nulla a che fare con il ragionamento interventistico.

— Neil G
fonte