A difesa dell'inferenza causale (in economia): è stata davvero una rivoluzione rendersi conto che non puoi mai vincere un argomento aggiungendo più controlli a un trattamento non casuale, ma qualsiasi quantità arbitrariamente piccola di buona randomizzazione è sufficiente per eliminare tutti i problemi di confondimento.

Per qualche motivo, alcuni economisti applicati sembrano pensare che l'inferenza causale sia "speciale" perché ci consente di stimare il "DGP sottostante" in un certo senso. Questo sembra sbagliato sia da un punto di vista teorico, sia secondo l'opinione degli esperti.

L'inferenza causale non ha senso rispetto ai DGP "puri", cioè alle distribuzioni congiunte esogene. È necessaria qualche nozione di "intervento". Penso che questo sia "risultati potenziali" in economia, e l'operatore "do(X)" nel framework di Pearl.