DApp Store | Pusat Web3 untuk Event & Game

Inferensi kausal adalah subbidang prediksi, di mana Anda mencoba memprediksi apa yang terjadi ketika perlakuan diterapkan. Jadi semua ekonometrika benar-benar hanyalah subbidang sempit dari pembelajaran mesin prediktif

@DamienTeney @austinc3301 mungkin seorang ekonom menulis ini. Ekonom sialan

@austinc3301 Anda baru saja membuktikan bahwa "pemodelan kausal" dalam arti tertentu adalah "peretasan" untuk menyelesaikan masalah bahwa kita terkadang memiliki data yang buruk. Tetapi ketika kita memiliki data yang baik - ketika kita melihat semua U - pemodelan prediktif adalah semua yang kita butuhkan

@austinc3301 Kami akan selalu mendapatkan lebih banyak data, yang berarti bahwa pada akhirnya, prediktif kemungkinan akan mengatasi "peretasan" sementara yaitu pemodelan kausal. Adalah peretasan yang berguna dan elegan, tetapi sementara

@austinc3301 Entah mereka dapat dibedakan - dalam hal ini model prediktif akan membedakannya - atau tidak - dalam hal ini tidak. sangat sederhana

atau sesuatu yang dalam arti setara dengan intervensi (seperti, apa yang disebut oleh para ekonom "instrumen"). Anda mungkin menyebutnya "inferensi kausal", saya mungkin menyebutnya "prediksi", tetapi itu memuaskan pernyataan saya bahwa "inferensi kausal" Anda sebenarnya hanyalah jenis latihan prediksi khusus

@austinc3301 Anda bahkan mengakui ini benar: "inferensi kausal adalah tentang memperluas prediksi statistik"

@austinc3301 bagaimanapun, mengesampingkan trolling, "inferensi kausal" hanyalah prediksi ekstrapolatif. Poin substantif Arpit adalah bahwa sekarang ada model kotak hitam yang juga cukup baik dalam prediksi di luar sampel entah bagaimana, melalui pendekatan yang sangat berbeda dari inferensi kausal

@SeanGailmard Pada dasarnya, kritik Anda hanya berlaku untuk model prediksi yang buruk

@SeanGailmard DGP hanya penting sejauh ia memengaruhi kontrafaktual yang dapat diamati

@SeanGailmard Lihat, misalnya

@SeanGailmard tidak ada hubungannya dengan "DGP"; semuanya berkaitan dengan prediksi yang lebih baik dalam pengaturan di mana ada masalah seperti seleksi, membingungkan, dll.

@SeanGailmard Tentu saja, saya 1/2 memainkan permainan bertele-tele yang konyol, tetapi saya pikir ada beberapa substansi di dalamnya

@SeanGailmard Pernyataan awal saya sederhana: inferensi kausal hanya memprediksi apa yang terjadi ketika pengobatan diterapkan. Saya tidak mengerti mengapa itu menyiratkan dalam arti apa pun model prediktif universal atau yang sangat kuat

@SeanGailmard Itu hanya perlu cukup baik untuk... memprediksi apa yang terjadi ketika pengobatan diterapkan

@SeanGailmard Cara Anda melakukannya adalah menemukan instrumen atau semacamnya. Hal yang saya keberatan (setengah bercanda) adalah berpikir ini secara substansial berbeda dari "prediksi" dalam arti tertentu