因果推断 - 版本历史

13944556914：13944556914移动页面因果推断 Causal inference至因果推断覆盖重定向

2024-06-03T08:54:19Z

13944556914移动页面因果推断 Causal inference至因果推断覆盖重定向

2024年6月3日 (一) 08:54 13944556914

2024-06-03T08:54:09Z

思无涯咿呀咿呀：/* 在社会科学领域 In social science */

2020-11-06T15:03:28Z

在社会科学领域 In social science

思无涯咿呀咿呀：/* 在统计学和经济学领域 */

2020-11-06T14:57:51Z

在统计学和经济学领域

思无涯咿呀咿呀：/* 在流行病学领域 */

2020-11-06T14:51:16Z

在流行病学领域

思无涯咿呀咿呀：/* 在流行病学领域 */

2020-11-06T14:44:29Z

在流行病学领域

思无涯咿呀咿呀：/* 在流行病学领域 */

2020-11-06T14:43:58Z

在流行病学领域

思无涯咿呀咿呀：/* 方法 */

2020-11-06T14:39:38Z

方法

思无涯咿呀咿呀：/* 方法 */

2020-11-06T14:37:25Z

方法

2020年11月6日 (五) 14:33 思无涯咿呀咿呀

2020-11-06T14:33:50Z

@@ 第3行： / 第3行： @@
 |description=因果推断,因果推理，统计
 }}
-'''因果推断 Causal inference'''是基于某一事件发生的条件得出关于因果联系结论的过程。因果推断与'''关联推断 inference of association'''的主要区别在于前者分析了当原因改变时结果变量的响应。<ref name=Pearl_Journal>{{cite journal|last=Pearl|first=Judea|title=Causal inference in statistics: An overview|journal=Statistics Surveys|date=1 January 2009|volume=3|issue=|pages=96–146|doi=10.1214/09-SS057|url=http://ftp.cs.ucla.edu/pub/stat_ser/r350.pdf}}</ref><ref name=Morgan_book>{{cite book|last=Morgan|first=Stephen|author2=Winship, Chris|title=Counterfactuals and Causal inference|publisher=Cambridge University Press|year=2007|isbn=}}</ref>研究事件因何而起的科学被称为'''原因论 etiology'''。因果推断是[[因果推理 causal reasoning]]的一个例子。
+'''因果推断(Causal inference)'''是基于某一事件发生的条件得出关于因果联系结论的过程。因果推断与'''关联推断 inference of association'''的主要区别在于前者分析了当原因改变时结果变量的响应。<ref name=Pearl_Journal>{{cite journal|last=Pearl|first=Judea|title=Causal inference in statistics: An overview|journal=Statistics Surveys|date=1 January 2009|volume=3|issue=|pages=96–146|doi=10.1214/09-SS057|url=http://ftp.cs.ucla.edu/pub/stat_ser/r350.pdf}}</ref><ref name="Morgan_book">{{cite book|last=Morgan|first=Stephen|author2=Winship, Chris|title=Counterfactuals and Causal inference|publisher=Cambridge University Press|year=2007|isbn=}}</ref>研究事件因何而起的科学被称为'''原因论 etiology'''。因果推断是[[因果推理 causal reasoning]]的一个例子。
@@ 第12行： / 第12行： @@
 * ''“...reason[ing] to the conclusion that something is, or is likely to be, the cause of something else.”''（...推理出某事是（或可能是）其他事情的原因的结论。）<ref name=EB>{{cite web|title=causal inference|url=http://www.britannica.com/EBchecked/topic/1442615/causal-inference|publisher=Encyclopædia Britannica, Inc.|accessdate=24 August 2014}}</ref>
-* ''“Identification of the cause or causes of a phenomenon, by establishing covariation of cause and effect, a time-order relationship with the cause preceding the effect, and the elimination of plausible alternative causes.”''（通过确定因果关系的共变性，前因后果的时序性，以及排除其它可能的替代原因，从而识别出现象的一个或多个原因。）<ref name=psy>{{cite book|author1=John Shaughnessy|author2=Eugene Zechmeister|author3=Jeanne Zechmeister|title=Research Methods in Psychology|date=2000|publisher=McGraw-Hill Humanities/Social Sciences/Languages|isbn=|pages=Chapter 1 : Introduction|url=http://www.mhhe.com/socscience/psychology/shaugh/ch01_concepts.html|accessdate=24 August 2014|archive-url=https://web.archive.org/web/20141015135541/http://www.mhhe.com/socscience/psychology/shaugh/ch01_concepts.html|archive-date=15 October 2014|url-status=dead}}</ref>
+* ''“Identification of the cause or causes of a phenomenon, by establishing covariation of cause and effect, a time-order relationship with the cause preceding the effect, and the elimination of plausible alternative causes.”''（通过确定因果关系的共变性，前因后果的时序性，以及排除其它可能的替代原因，从而识别出现象的一个或多个原因。）<ref name="psy">{{cite book|author1=John Shaughnessy|author2=Eugene Zechmeister|author3=Jeanne Zechmeister|title=Research Methods in Psychology|date=2000|publisher=McGraw-Hill Humanities/Social Sciences/Languages|isbn=|pages=Chapter 1 : Introduction|url=http://www.mhhe.com/socscience/psychology/shaugh/ch01_concepts.html|accessdate=24 August 2014|archive-url=https://web.archive.org/web/20141015135541/http://www.mhhe.com/socscience/psychology/shaugh/ch01_concepts.html|archive-date=15 October 2014|url-status=dead}}</ref>
 <br>
@@ 第85行： / 第85行： @@
 :第一，经济学家根据经济理论（理论驱动的计量经济学）构建回归模型，从而确定因果关系的方向。例如，如果研究降雨与商品未来价格之间的依赖关系，那么广义上建构的理论表明，降雨可以影响价格，但未来价格不能改变降雨量。<ref>{{Cite book|last=Simon|first=Herbert|title=Models of Discovery|publisher=Springer|year=1977|location=Dordrecht|page=52}}</ref>
 :第二，'''工具变量 instrumental variables(IV)'''技术可以通过引入其他已知不受因变量的影响的工具变量来消除任何逆向因果关系。

←上一版本		2020年11月6日 (五) 15:03的版本
第106行：		第106行：


−	尽管在潜在结果框架中大部分重点仍然放在统计推论上，但社会科学方法学家已经开发出使用定性和定量方法进行因果推断的新工具，有时被称为''混合方法''。<ref>{{Cite book\|url=https://books.google.com/books/about/Designing_and_Conducting_Mixed_Methods_R.html?id=YcdlPWPJRBcC\|title=Designing and Conducting Mixed Methods Research\|last=Creswell\|first=John W.\|last2=Clark\|first2=Vicki L. Plano\|date=2011\|publisher=SAGE Publications\|isbn=9781412975179\|language=en}}</ref><ref>{{Cite book\|url=https://www.cambridge.org/core/books/multimethod-social-science/286C2742878FBCC6225E2F10D6095A0C\|title=Multi-Method Social Science by Jason Seawright\|last=Seawright\|first=Jason\|date=September 2016\|website=Cambridge Core\|language=en\|access-date=2019-04-18\|doi=10.1017/CBO9781316160831\|isbn=9781316160831}}</ref>各种方法论的支持者认为它更适合'''~~<font color = '#32CD32'>不同对象的研究 different subjects of study</font>~~'''。	+	尽管在潜在结果框架中大部分重点仍然放在统计推论上，但社会科学方法学家已经开发出使用定性和定量方法进行因果推断的新工具，有时被称为''混合方法''。<ref>{{Cite book\|url=https://books.google.com/books/about/Designing_and_Conducting_Mixed_Methods_R.html?id=YcdlPWPJRBcC\|title=Designing and Conducting Mixed Methods Research\|last=Creswell\|first=John W.\|last2=Clark\|first2=Vicki L. Plano\|date=2011\|publisher=SAGE Publications\|isbn=9781412975179\|language=en}}</ref><ref>{{Cite book\|url=https://www.cambridge.org/core/books/multimethod-social-science/286C2742878FBCC6225E2F10D6095A0C\|title=Multi-Method Social Science by Jason Seawright\|last=Seawright\|first=Jason\|date=September 2016\|website=Cambridge Core\|language=en\|access-date=2019-04-18\|doi=10.1017/CBO9781316160831\|isbn=9781316160831}}</ref>各种方法论的支持者认为它更适合'''不同主体的研究'''。
	社会学家 Herbert Smith 和政治学家 James Mahoney 、 Gary Goertz 引用了统计学家 Paul Holland 的观察结果，Paul Holland在1986年发表了一篇名为《统计学和因果推断 Statistics and Causal Inference》的文章，认为推论统计学最适合于评估“因果效应”。<ref>{{Cite journal\|last=Smith\|first=Herbert L.\|date=10 February 2014\|title=Effects of Causes and Causes of Effects: Some Remarks from the Sociological Side\|journal=Sociological Methods and Research\|volume=43\|issue=3\|pages=406–415\|doi=10.1177/0049124114521149\|pmid=25477697\|pmc=4251584}}</ref><ref>{{Cite journal\|last=Goertz\|first=Gary\|last2=Mahoney\|first2=James\|date=2006\|title=A Tale of Two Cultures: Contrasting Quantitative and Qualitative Research\|journal=Political Analysis\|language=en\|volume=14\|issue=3\|pages=227–249\|doi=10.1093/pan/mpj017\|issn=1047-1987}}</ref>定性方法学家认为，形式化的因果关系模型，包括'''<font color = '#ff8000'>过程追踪 process tracing</font>'''和'''<font color = '#ff8000'>模糊集理论 fuzzy set theory</font>'''，通过在某个案例研究内识别关键因素或在多个案例研究之间比较的过程提供了推断因果关系的机会。<ref name=":0" /> 这些方法对于那些潜在观察结果的数量受限或存在混淆变量从而限制统计推论适用性的课题也是有价值的。		社会学家 Herbert Smith 和政治学家 James Mahoney 、 Gary Goertz 引用了统计学家 Paul Holland 的观察结果，Paul Holland在1986年发表了一篇名为《统计学和因果推断 Statistics and Causal Inference》的文章，认为推论统计学最适合于评估“因果效应”。<ref>{{Cite journal\|last=Smith\|first=Herbert L.\|date=10 February 2014\|title=Effects of Causes and Causes of Effects: Some Remarks from the Sociological Side\|journal=Sociological Methods and Research\|volume=43\|issue=3\|pages=406–415\|doi=10.1177/0049124114521149\|pmid=25477697\|pmc=4251584}}</ref><ref>{{Cite journal\|last=Goertz\|first=Gary\|last2=Mahoney\|first2=James\|date=2006\|title=A Tale of Two Cultures: Contrasting Quantitative and Qualitative Research\|journal=Political Analysis\|language=en\|volume=14\|issue=3\|pages=227–249\|doi=10.1093/pan/mpj017\|issn=1047-1987}}</ref>定性方法学家认为，形式化的因果关系模型，包括'''<font color = '#ff8000'>过程追踪 process tracing</font>'''和'''<font color = '#ff8000'>模糊集理论 fuzzy set theory</font>'''，通过在某个案例研究内识别关键因素或在多个案例研究之间比较的过程提供了推断因果关系的机会。<ref name=":0" /> 这些方法对于那些潜在观察结果的数量受限或存在混淆变量从而限制统计推论适用性的课题也是有价值的。

←上一版本		2020年11月6日 (五) 14:57的版本
第91行：		第91行：
	:第三，在正向回归中只包含在时间上早于因变量的变量，就可以引用结果不能先于原因的原则。由于偏相关 partial correlations是对称的，不能仅仅根据一方面的相关性来确定因果关系的方向。基于因果关系的概率观点 probabilistic view，经济学家假设，在时间上原因必须先于其结果。这导致经济学家使用较早发生的现象作为自变量，并开发适用于时间序列分析的因果关系的计量经济学的检验方法（例如，[[格兰杰因果检验 Granger-causality tests]]）<ref>{{Cite book\|last=Maziarz\|first=Mariusz\|title=The Philosophy of Causality in Economics: Causal Inferences and Policy Proposals\|publisher=Routledge\|year=2020\|location=New York}}</ref>。		:第三，在正向回归中只包含在时间上早于因变量的变量，就可以引用结果不能先于原因的原则。由于偏相关 partial correlations是对称的，不能仅仅根据一方面的相关性来确定因果关系的方向。基于因果关系的概率观点 probabilistic view，经济学家假设，在时间上原因必须先于其结果。这导致经济学家使用较早发生的现象作为自变量，并开发适用于时间序列分析的因果关系的计量经济学的检验方法（例如，[[格兰杰因果检验 Granger-causality tests]]）<ref>{{Cite book\|last=Maziarz\|first=Mariusz\|title=The Philosophy of Causality in Economics: Causal Inferences and Policy Proposals\|publisher=Routledge\|year=2020\|location=New York}}</ref>。

−	:第四，有些方法包括了其他回归因素以确保混淆变量不会导致回归项过于虚假地呈现这种现象十分重要。通过使用大规模样本和交叉验证来检查在回归中未使用的数据是否保持了相关，这样可以排除因巧合的相关性，而不是反映实际依赖内在过程的相关性。但在遭受'''多重共线性 multicollinearity'''问题困扰的领域，如宏观经济学，原则上不可能包括所有混淆因素，因此计量经济模型容易出现'''<font color = '#ff8000'>共因谬误 common-cause fallacy</font>'''<ref>{{Cite journal\|last=Henschen\|first=Tobias\|date=2018\|title=The in-principle inconclusiveness of causal evidence in macroeconomics\|journal=European Journal for Philosophy of Science\|volume=8\|pages=709–733}}</ref>。	+	:第四，有些方法包括了其他回归因素以确保混淆变量不会导致回归项过于虚假地呈现出这种现象十分重要的特点。通过使用大规模样本和交叉验证来检查在回归中未使用的数据是否保持了相关，这样可以排除因巧合的相关性，而不是反映实际依赖内在过程的相关性。但在遭受'''多重共线性 multicollinearity'''问题困扰的领域，如宏观经济学，原则上不可能包括所有混淆因素，因此计量经济模型容易出现'''<font color = '#ff8000'>共因谬误 common-cause fallacy</font>'''<ref>{{Cite journal\|last=Henschen\|first=Tobias\|date=2018\|title=The in-principle inconclusiveness of causal evidence in macroeconomics\|journal=European Journal for Philosophy of Science\|volume=8\|pages=709–733}}</ref>。

←上一版本		2020年11月6日 (五) 14:51的版本
第34行：		第34行：


−	在新兴的'''分子病理流行病学 molecular pathological epidemiology (MPE)'''~~交叉学科领域，最近的一个趋势（截至2014年）是确定在病变组织或细胞内，暴露迹象在~~'''分子病理学 molecular pathology'''影响的证据。将暴露迹象与疾病的分子病理特征联系起来可以帮助评估因果关系。基于特定疾病的异质性的固有特征、独特的疾病原理等，研究疾病'''<font color = '#ff8000'>表现型 phenotyping</font>'''及其'''<font color = '#ff8000'>亚型 subtyping </font>'''现在是生物医学和公共卫生科学的趋势。比如个体化医疗和精准医疗等。	+	在新兴的'''分子病理流行病学 molecular pathological epidemiology (MPE)'''交叉学科领域，最近的一个趋势（截至2014年）是确定在病变组织或细胞内，暴露迹象 exposure 在'''分子病理学 molecular pathology'''影响的证据。将暴露迹象与疾病的分子病理特征联系起来可以帮助评估因果关系。基于特定疾病的异质性的固有特征、独特的疾病原理等，研究疾病'''<font color = '#ff8000'>表现型 phenotyping</font>'''及其'''<font color = '#ff8000'>亚型 subtyping </font>'''现在是生物医学和公共卫生科学的趋势。比如个体化医疗和精准医疗等。

	<br>		<br>

←上一版本		2020年11月6日 (五) 14:44的版本
第31行：		第31行：


−	~~分子流行病学中（所）研究的现象，包括遗传学，都是生物分子水平的，其中“生物标记~~ biomarkers”是原因或结果的证据。	+	分子流行病学中所研究的现象，包括遗传学，都是生物分子水平的，其中“生物标记 biomarkers”是原因或结果的证据。

←上一版本	2024年6月3日 (一) 08:54的版本
（没有差异）

←上一版本		2020年11月6日 (五) 14:43的版本
第31行：		第31行：


−	~~分子流行病学中（所）研究的现象，包括遗传学，都是生物分子水平的，其中生物标志物是原因或结果的证据。~~	+	分子流行病学中（所）研究的现象，包括遗传学，都是生物分子水平的，其中“生物标记 biomarkers”是原因或结果的证据。

←上一版本		2020年11月6日 (五) 14:39的版本
第17行：		第17行：
	==方法==		==方法==

−	流行病学运用不同的流行病模型来收集和衡量危险因素和结果，以及判定两者之间的联系。一个假说被提出来后，然后进行'''统计学假设检验 Statistical hypothesis testing'''。这种统计学推断有助于判断数据是否由偶然性引起（也被称为'''随机变化 random variation'''~~），还是确实因为相关以及相关性的强弱。然而，相关不意味着因果，因此还需使用其他方法来推断其因果关系。~~	+	流行病学运用不同的流行病模型来收集和衡量危险因素和结果，以及判定两者之间的联系。一个假说被提出来后，然后进行'''统计学假设检验 Statistical hypothesis testing'''。这种统计学推断有助于判断数据是否由偶然性引起（也被称为'''随机变化 random variation'''），还是确实因为相关性引起，以及分析相关性的强弱。
		+
		+	然而，相关不意味着因果，因此还需使用其他方法来推断其因果关系。

←上一版本		2020年11月6日 (五) 14:37的版本
第17行：		第17行：
	==方法==		==方法==

−	流行病学运用不同的流行病模型来收集和衡量危险因素和结果，以及判定两者之间的联系。一个假说被提出来后，然后进行'''统计学假设检验 Statistical hypothesis testing'''~~。这种统计学推断有助于判断数据是否由偶然性引起，也被称为~~'''随机变化 random variation'''~~，还是确实相关以及相关性的强弱。然而，相关不意味着因果，因此还需使用其他方法来推断其因果关系。~~	+	流行病学运用不同的流行病模型来收集和衡量危险因素和结果，以及判定两者之间的联系。一个假说被提出来后，然后进行'''统计学假设检验 Statistical hypothesis testing'''。这种统计学推断有助于判断数据是否由偶然性引起（也被称为'''随机变化 random variation'''），还是确实因为相关以及相关性的强弱。然而，相关不意味着因果，因此还需使用其他方法来推断其因果关系。