Kausalitas dan prediksi bukanlah dua konsep yang berbeda Inferensi kausal pada dasarnya adalah masalah prediksi: Anda memprediksi kontrafaktual Randomistas menemukan beberapa cara cerdas untuk melakukan kausalitas tanpa prediksi. Tetapi jika Anda memecahkan prediksi; Anda mendapatkan kausalitas secara gratis

Misalnya: apa efek pendidikan terhadap upah? Idealnya Anda akan RCT. Anda dapat menemukan eksperimen alami yang mencoba mendekatinya. Atau, jika Anda memiliki algoritma prediksi yang sangat bagus, Anda mengambil Prediction(high education|X) - Prediksi (pendidikan rendah|X)

Metode inferensi kausal memiliki validitas internal yang besar, tetapi sangat rapuh. Anda harus membuang sebagian besar data Anda dan fokus pada variasi kecil ini. Sulit untuk mendapatkan validitas eksternal, dan hasilnya jarang kuat atau dapat diandalkan.