Kausale Inferenz ist ein Teilbereich der Vorhersage, bei dem man versucht vorherzusagen, was passiert, wenn eine Behandlung angewendet wird. Tatsächlich ist die gesamte Ökonometrie nur ein enger Teilbereich des prädiktiven maschinellen Lernens.

@DamienTeney @austinc3301 wahrscheinlich hat ein Ökonom das geschrieben. verdammte Ökonomen

@austinc3301 Du hast gerade bewiesen, dass "kausale Modellierung" in gewissem Sinne ein "Hack" ist, um das Problem zu lösen, dass wir manchmal schlechte Daten haben. Aber wenn wir gute Daten haben - wenn wir alle U's sehen - ist die prädiktive Modellierung alles, was wir brauchen.

@austinc3301 Wir werden immer mehr Daten erhalten, was bedeutet, dass prädiktive Modelle wahrscheinlich irgendwann das temporäre "Hack" der kausalen Modellierung übertreffen werden. Es war ein nützliches und elegantes Hack, aber ein temporäres.

@austinc3301 Entweder sind sie unterscheidbar - in diesem Fall wird ein prädiktives Modell sie unterscheiden - oder nicht - in diesem Fall wird es das nicht tun. Sehr einfach

oder etwas, das in gewissem Sinne einem Eingreifen entspricht (wie das, was diese Ökonomen "Instrumente" nennen). Du könntest das "kausale Inferenz" nennen, ich könnte das "Vorhersage" nennen, aber es erfüllt meine Aussage, dass deine "kausale Inferenz" wirklich nur eine spezielle Art von Vorhersageübung ist.

@austinc3301 Du hast sogar zugegeben, dass dies korrekt ist: "Kausale Inferenz bezieht sich darauf, statistische Vorhersagen zu erweitern"

@austinc3301 Jedenfalls, abgesehen vom Trollerei, ist "kausale Inferenz" einfach extrapolative Vorhersage. Arpits wesentlicher Punkt ist, dass es jetzt Black-Box-Modelle gibt, die auch ziemlich gut in der Vorhersage außerhalb der Stichprobe sind, und zwar durch einen Ansatz, der sich sehr von der kausalen Inferenz unterscheidet.

@SeanGailmard Im Grunde genommen gilt deine Kritik nur für schlechte prädiktive Modelle

@SeanGailmard Der DGP ist nur insofern von Bedeutung, als er potenziell beobachtbare Gegenfaktoren beeinflusst.

@SeanGailmard Siehe zum Beispiel

@SeanGailmard hat nichts mit "dem DGP" zu tun; alles mit besseren Vorhersagen in Situationen, in denen es Probleme wie Selektion, Verwirrung usw. gibt.

@SeanGailmard Natürlich spiele ich zu einem Teil ein albernes pedantisches Spiel, aber ich denke, dass es darin etwas Substanz gibt.

@SeanGailmard Meine ursprüngliche Aussage war einfach: Kausale Inferenz bedeutet nur, vorherzusagen, was passiert, wenn eine Behandlung angewendet wird. Ich sehe nicht, warum das in irgendeiner Weise ein universelles oder allmächtiges Vorhersagemodell impliziert.

@SeanGailmard Es muss nur gut genug sein, um... vorherzusagen, was passiert, wenn eine Behandlung angewendet wird

@SeanGailmard Die Art und Weise, wie du das machst, besteht darin, ein Instrument oder etwas zu finden. Das, was ich (halb im Scherz) dagegen habe, ist zu denken, dass dies in gewisser Weise wesentlich anders ist als "Vorhersage".