259
个编辑
更改
跳到导航
跳到搜索
第129行：
第129行： − + + − 在统计学和经济学领域 第139行：
第139行： + + + − 例如，如果研究降雨量与商品未来价格之间的依赖关系，那么理论(广义解释)表明，降雨量可以影响价格，但期货价格不能改变降雨量。第二，'''<font color = '#ff8000'>工具变量(IV)</font>'''技术可以用来消除任何反向因果关系，通过引入其他变量(工具)的作用，已知是不受因变量的影响。第三，经济学家考虑时间优先选择合适的模型规范。由于部分相关是对称的，人们不能确定方向的因果关系的基础上，只有相关性。基于对因果关系的概率观点，经济学家假设原因必须在时间上优先于它们的结果。这导致使用表示早期发生的现象的变量作为自变量，并开发适用于时间序列分析的因果关系检验(例如，'''<font color = '#ff8000'>格兰杰因果检验</font>''')的计量经济学检验。第五，包括其他回归因素是为了确保'''<font color = '#ff8000'>混淆变量</font>'''不会导致回归因素出现明显的虚假性，但在遭受多重共线性问题困扰的领域，如宏观经济学，原则上不可能包括所有混杂因素，因此计量经济模型容易出现共因谬误。近年来，以设计为基础的计量经济学运动已经推广使用自然实验和准实验研究设计来解决虚假关联的问题。+
→In statistics and economics
在直观的层面上，这个想法是联合分布P(Cause, Effect) 到 P(Cause)*P(Effect | Cause)的因式分解通常产生的模型的总'''<font color='#ff8000'>复杂性complexity </font>'''低于到P(Effect)*P(Cause | Effect)的因式分解。尽管“复杂性”的概念在直觉上很吸引人，但是对于如何定义它却并不显而易见。另一种不同类族的方法尝试从大量标签过的数据中发现因果的“足迹”，并且允许预测更灵活的因果关系。
在直观的层面上，这个想法是联合分布P(Cause, Effect) 到 P(Cause)*P(Effect | Cause)的因式分解通常产生的模型的总'''<font color='#ff8000'>复杂性complexity </font>'''低于到P(Effect)*P(Cause | Effect)的因式分解。尽管“复杂性”的概念在直觉上很吸引人，但是对于如何定义它却并不显而易见。另一种不同类族的方法尝试从大量标签过的数据中发现因果的“足迹”，并且允许预测更灵活的因果关系。
== In statistics and economics ==
== In statistics and economics 在统计学和经济学领域==
{{Main|Causality#Statistics and economics}}
{{Main|Causality#Statistics and economics}}
在统计学和经济学中，因果关系通常通过回归分析来检验。有几种方法可以用来区分真实的因果关系和虚假的相关性。第一，经济学家根据经济理论('''<font color='#ff8000>理论驱动theory-driven</font>'''的计量经济学)构建回归模型，从而确定因果关系的方向。
在统计学和经济学中，因果关系通常通过回归分析来检验。有几种方法可以用来区分真实的因果关系和虚假的相关性。第一，经济学家根据经济理论('''<font color='#ff8000>理论驱动theory-driven</font>'''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，如果研究降雨与未来商品价格之间的依赖关系，那么一个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，'''<font color = '#ff8000'>工具变量instrumental variables(IV)</font>'''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反向因果关系。第三，经济学家会考虑时间优先级来选择合适的具体模型。
Given that partial correlations are symmetrical, one cannot determine the direction of causal relation based on correlations only. Based on the notion of probabilistic view on causality, economists assume that causes must be prior in time than their effects. This leads to using the variables representing phenomena happening earlier as independent variables and developing econometric tests for causality (e.g., Granger-causality tests) applicable in time series analysis<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>.
由于'''<font color='#ff8000>偏相关partial correlations</font>'''是对称的，人们不能在相关的基础上确定因果关系的方向。基于因果关系的'''<font color='#ff8000>概率观点probabilistic view</font>'''，经济学家预设原因必须在时间上优先于其结果。这导致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检验(例如，'''<font color = '#ff8000'>格兰杰因果检验</font>''')的计量经济学检验。第五，包括其他回归因素是为了确保'''<font color = '#ff8000'>混淆变量</font>'''不会导致回归因素出现明显的虚假性，但在遭受多重共线性问题困扰的领域，如宏观经济学，原则上不可能包括所有混杂因素，因此计量经济模型容易出现共因谬误。近年来，以设计为基础的计量经济学运动已经推广使用自然实验和准实验研究设计来解决虚假关联的问题。
== In social science ==
== In social science ==