697
个编辑
更改
跳到导航
跳到搜索
第102行：
第102行： − +
→因果分析模型
==== 干预操作 ====
==== 干预操作 ====
珀尔的关于因果效应的定义既比较符合常识认知，又具有坚实的数学基础，do - operation 是该定义的核心，同时也具有契合常识的含义以及严格的计算程式。
珀尔的关于因果效应的定义既比较符合常识认知，又具有坚实的数学基础，do - operation 是该定义的核心，同时也具有契合常识的含义以及严格的计算程式。
do - operation 是一种对于数据的主动干预，在传统的统计学中甚至找不到对它的描述，这是珀尔定义因果关系而创建的一种操作，借助这一概念，可以很好地定义什么是变量之间的因果效应。例如在决策理论中，决策是一种对于现有状态的主动干预，已知当前环境<math>Z</math>，拟采取决策<math>X</math>，预测结果<math>Y</math>。这个情况可表示为<math>P(Y|\text{do}(X),Z)</math>，而不是<math>P(Y|X,Z)</math>。前一个公式表示在决策前的环境<math>Z</math>中，实施决策<math>X</math>之后，预判<math>Y</math>出现的概率。后一个公式则表示在决策<math>X</math>与实施后的环境<math>Z</math>共存的情况下，<math>Y</math>出现的概率。
do - operation 是一种对于数据的主动干预，在传统的统计学中甚至找不到对它的描述，这是珀尔定义因果效应而创建的一种操作，借助这一概念，可以很好地定义什么是变量之间的因果效应。例如在决策理论中，决策是一种对于现有状态的主动干预，已知当前环境<math>Z</math>，拟采取决策<math>X</math>，预测结果<math>Y</math>。这个情况可表示为<math>P(Y|\text{do}(X),Z)</math>，而不是<math>P(Y|X,Z)</math>。前一个公式表示在决策前的环境<math>Z</math>中，实施决策<math>X</math>之后，预判<math>Y</math>出现的概率。后一个公式则表示在决策<math>X</math>与实施后的环境<math>Z</math>共存的情况下，<math>Y</math>出现的概率。
该理论与随机对照试验有着深刻的联系，它们之间可以互相印证、互相转换，简直可以说是随机对照试验的数字孪生。借助这一理论，就可以通过观察数据来分析和判断因果效应，从而使得原来一些无法进行实验的学科也引入了因果分析，建立了一套严谨和系统的新的研究方法。
该理论与随机对照试验有着深刻的联系，它们之间可以互相印证、互相转换，简直可以说是随机对照试验的数字孪生。借助这一理论，就可以通过观察数据来分析和判断因果效应，从而使得原来一些无法进行实验的学科也引入了因果分析，建立了一套严谨和系统的新的研究方法。
==== 反事实推断 ====
==== 反事实推断 ====