Jaki jest związek między wnioskowaniem przyczynowym a prognozowaniem?

10

Jakie są zależności i różnice między wnioskowaniem przyczynowym a prognozowaniem (zarówno klasyfikacja, jak i regresja)?

W kontekście prognoz mamy zmienne predykcyjne / wejściowe i zmienne odpowiedzi / wyjściowe. Czy to oznacza, że ​​istnieje związek przyczynowy między zmiennymi wejściowymi i wyjściowymi? Czy zatem przewidywanie należy do wnioskowania przyczynowego?

Jeśli dobrze rozumiem, wnioskowanie przyczynowe rozważa oszacowanie rozkładu warunkowego jednej zmiennej losowej na podstawie innej zmiennej losowej i często używa modeli graficznych do reprezentowania warunkowej niezależności między zmiennymi losowymi. Zatem wnioskowanie przyczynowe w tym sensie nie jest przewidywaniem, prawda?

prediction causality definition Tim
źródło
1
Czy obejrzałeś już konkurs Kaggle? kaggle.com/c/cause-effect-pairs możesz znaleźć coś interesującego
Simone
1
Ten artykuł mówi o różnicy: Galit Shmueli, Wyjaśnić czy przewidzieć? , Statystyka. Sci. Tom 25, nr 3 (2010), 289–310.
Shu Zhang

Odpowiedzi:

6

Wnioskowanie przyczynowe skupia się na wiedząc, co dzieje się z Y po zmianie X . Prognozy koncentrują się na znajomości następnego Y biorąc pod uwagę X (i cokolwiek innego, co masz).

Zwykle, na podstawie wnioskowania przyczynowego, chcesz obiektywnego oszacowania wpływu X na Y. W prognozowaniu często jesteś bardziej skłonny zaakceptować trochę uprzedzenia, jeśli ty i zmniejszysz wariancję swojej prognozy.

użytkownik_ogólny
źródło
2
Ta odpowiedź pomija różnicę między modelami przyczynowymi i asocjacyjnymi.
Neil G
1
Cóż, asocjacja nie jest w zasadzie domyślna? I czy związek przyczynowy nie byłby zagnieżdżony w stowarzyszeniu? Nigdy nie słyszałem o nikim, kto mówiłby o „modelu asocjacyjnym”, z wyjątkiem być może dyskredytującego w przypadku takiego, w którym rzekomo skutki przyczynowe byłyby zakłócone.
generic_user
1
Ok, rozumiem twój punkt widzenia, że ​​asocjacja jest domyślna i że modele przyczynowe są „zagnieżdżone” w tym sensie, że są silniejsze. Pytanie brzmi, jaka jest różnica między modelem przyczynowym a regresją lub klasyfikacją (model asocjacyjny). I główna różnica polega na tym, że: Podczas gdy można dokonać regresji od przyczyn do ich skutków lub od efektów do jakiejś hipotetycznej przyczyny; w modelu przyczynowym relacje są ukierunkowane (przyczyny skutków). Kierunki te są wymagane do poparcia wnioskowania interwencyjnego, którego modele asocjacyjne nie są w stanie obsłużyć.
Neil G
6

Wnioskowanie przyczynowe wymaga modelu przyczynowego. Taki model można wykorzystać do wnioskowania (przewidywania) niektórych zmiennych na podstawie obserwacji i interwencji przy innych zmiennych. Regresja i klasyfikacja nie mają takiego wymogu przyczynowego, a zatem nie mają nic wspólnego z rozumowaniem interwencyjnym.

Neil G.
źródło