697
个编辑
更改
→历史渊源
克莱夫・格兰杰（Clive W.J. Granger）于 1969 年提出了一种用于分析基于时间序列的变量之间因果关系的方法<ref name=granger_1969>{{cite journal |last=Granger |first=C. W. J. |title=Investigating Causal Relations by Econometric Models and Cross-Spectral Methods |journal=Econometrica |volume=37 |year=1969 |pages=424–438 |url=https://www.jstor.org/stable/1912791}}</ref>，它的定义是在时间序列情形下，对于两个变量X、Y，若在包含了变量X、Y的过去信息的条件下，对变量Y的预测效果要优于只单独由Y的过去信息对Y进行的预测效果，即变量X的过去信息有助于解释变量Y的变化，则认为变量X是导致变量Y的格兰杰原因。
克莱夫・格兰杰（Clive W.J. Granger）于 1969 年提出了一种用于分析基于时间序列的变量之间因果关系的方法<ref name=granger_1969>{{cite journal |last=Granger |first=C. W. J. |title=Investigating Causal Relations by Econometric Models and Cross-Spectral Methods |journal=Econometrica |volume=37 |year=1969 |pages=424–438 |url=https://www.jstor.org/stable/1912791}}</ref>，它的定义是在时间序列情形下，对于两个变量X、Y，若在包含了变量X、Y的过去信息的条件下，对变量Y的预测效果要优于只单独由Y的过去信息对Y进行的预测效果，即变量X的过去信息有助于解释变量Y的变化，则认为变量X是导致变量Y的格兰杰原因。
内曼关于“[[潜在结果]]”的思想，被唐纳德·鲁宾(DonaldRubin)于1972年独立地再次发现<ref name=rubin_1972>{{cite journal |last=Rubin |first=Donald B. |title=Estimating Causal Effects of Treatments in Experimental and Observational Studies |journal=ETS Research Bulletin Series |volume=1972 |issue=2 |year=1972 |pages=i–31 |url=https://onlinelibrary.wiley.com/doi/10.1002/j.2333-8504.1972.tb00631.x}}</ref>，并且加以丰富和提升，正式提出了因果效应的的概念，使之成为当前因果分析的重要模型之一，称为“[[鲁宾因果模型]]”或者“潜在结果模型”。
朱迪亚・珀尔（Judea Pearl）在 1995 年提出的[[结构因果模型]]（Structural Causal Model，SCM）<ref name=pearl_1995>{{cite journal |last=Pearl |first=Judea |title=Causal Diagrams for Empirical Research |journal=Biometrika |volume=82 |number=4 |year=1995 |pages=702–710 |url=https://doi.org/10.1093/biomet/82.4.702}}</ref>是一种以有向无环图和结构方程为基础，通过清晰描绘变量间因果结构、进行反事实推理和因果效应估计，来帮助人们理解和分析变量之间因果关系，广泛应用于多领域的因果分析工具。珀尔在此基础上又提出了因果分析框架<ref name=pearl_2009>{{cite book |last1=Pearl |first1=Judea |title=Causality: Models, Reasoning, and Inference |edition=2nd |publisher=Cambridge University Press |year=2009 |isbn=978-0521895606 |url=https://doi.org/10.1017/CBO9780511803161}}</ref>，为因果分析提供了一套系统的、形式化的理论和方法体系，将因果关系划分为关联、干预、反事实三个层级，使得因果推理更加精确和实用。
朱迪亚・珀尔（Judea Pearl）在 1995 年提出的[[结构因果模型]]（Structural Causal Model，SCM）<ref name=pearl_1995>{{cite journal |last=Pearl |first=Judea |title=Causal Diagrams for Empirical Research |journal=Biometrika |volume=82 |number=4 |year=1995 |pages=702–710 |url=https://doi.org/10.1093/biomet/82.4.702}}</ref>是一种以有向无环图和结构方程为基础，通过清晰描绘变量间因果结构、进行反事实推理和因果效应估计，来帮助人们理解和分析变量之间因果关系，广泛应用于多领域的因果分析工具。珀尔在此基础上又提出了因果分析框架<ref name=pearl_2009>{{cite book |last1=Pearl |first1=Judea |title=Causality: Models, Reasoning, and Inference |edition=2nd |publisher=Cambridge University Press |year=2009 |isbn=978-0521895606 |url=https://doi.org/10.1017/CBO9780511803161}}</ref>，为因果分析提供了一套系统的、形式化的理论和方法体系，将因果关系划分为关联、干预、反事实三个层级，使得因果推理更加精确和实用。