更改

因果推断 (查看源代码)

2020年9月19日 (六) 03:22的版本

添加5,333字节、 2020年9月19日 (六) 03:22

无编辑摘要

第54行：第54行：

'''流行病学Epidemiology'''研究特定生物群体的健康和疾病'''模式patterns'''，以推断原因和结果。'''暴露exposure '''于一般认为的'''危险因素risk factor'''和疾病之间的联系可能被提出，但不等同于确认因果关系，因为相关不意味着因果。从历史上看，'''科赫法则 Koch's postulates'''从19世纪开始就被用来判断一种微生物是否是一种疾病的原因。在20世纪，'''布拉德福德·希尔准则Bradford Hill criteria'''（参见Bradford Hill 1965年的文章<ref name="bh65"></ref>中）已经被用来评估微生物学之外的变量的因果关系，尽管即使是这些标准也不是确定因果关系的唯一方法。

−

--ZC(讨论) 【审校】“的联系可能被提出，但不等同于确认因果关系”一句改为，“可能存在关联，但不等于确定因果关系”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“的联系可能被提出，但不等同于确认因果关系”一句改为，“可能存在关联，但不等于确定因果关系”

−

--ZC(讨论) 【审校】“从19世纪开始”将此短语提至“科赫法则”之前。

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“从19世纪开始”将此短语提至“科赫法则”之前。

−

--ZC(讨论) 【审校】“疾病的原因”一词改为“疾病病因”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“疾病的原因”一词改为“疾病病因”

−

--ZC(讨论) 【审校】“尽管即使是这些标准也不是确定因果关系的唯一方法”一句中去掉“即使”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“尽管即使是这些标准也不是确定因果关系的唯一方法”一句中去掉“即使”

In [[molecular epidemiology]] the phenomena studied are on a [[molecular biology]] level, including genetics, where [[biomarkers]] are evidence of cause or effects.

第63行：第63行：

'''分子流行病学molecular epidemiology'''中研究的现象是在'''分子生物学'''水平上的，也涵盖了遗传学。而遗传学中的'''生物标志物biomarkers'''就是原因或结果的证据。

−

--ZC(讨论) 【审校】“分子生物学”一词改成“生物分子”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“分子生物学”一词改成“生物分子”

−

--ZC(讨论) 【审校】“水平上的，也涵盖了遗传学。而遗传学中的”一句改为“水平上也涵盖了遗传学，而其中”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“水平上的，也涵盖了遗传学。而遗传学中的”一句改为“水平上也涵盖了遗传学，而其中”

A recent trend{{when|date=August 2014}} is to identify [[evidence]] for influence of the exposure on [[molecular pathology]] within diseased [[Tissue (biology)|tissue]] or cells, in the emerging interdisciplinary field of [[molecular pathological epidemiology]] (MPE).{{third-party-inline|date=August 2014}} Linking the exposure to molecular pathologic signatures of the disease can help to assess causality. {{third-party-inline|date=August 2014}} Considering the inherent nature of [[heterogeneity]] of a given disease, the unique disease principle, disease phenotyping and subtyping are trends in biomedical and [[public health]] sciences, exemplified as [[personalized medicine]] and [[precision medicine]].{{third-party-inline|date=August 2014}}

第70行：第70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exposure '''在'''分子病理学molecular pathology'''上的影响。将暴露与疾病的分子病理特征联系起来可以帮助因果关系的评估。鉴于给定疾病的'''异质性'''的固有特征、独特的疾病原理等，疾病'''表现型phenotyping'''和'''亚型subtyping '''现在是生物医学和'''公共卫生科学public health'''的趋势，例证包括'''个体化医学personalized medicine'''和'''精准医学precision medicine'''等。

−

--ZC(讨论) 【审校】“暴露”改为“暴露迹象”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“暴露”改为“暴露迹象”

−

--ZC(讨论) 【审校】“上的影响”改为“影响的证据”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“上的影响”改为“影响的证据”

−

--ZC(讨论) 【审校】“将暴露”改为“将暴露迹象”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“将暴露”改为“将暴露迹象”

−

--ZC(讨论) 【审校】“因果关系的评估”改为“评估因果关系”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“因果关系的评估”改为“评估因果关系”

−

--ZC(讨论) 【审校】“给定疾病的”改为“特定疾病”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“给定疾病的”改为“特定疾病”

−

--ZC(讨论) 【审校】“独特的疾病原理等”改为“罕见的病理”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“独特的疾病原理等”改为“罕见的病理”

−

--ZC(讨论) 【审校】“现在是生物医学和”改为“是生物医学和”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“现在是生物医学和”改为“是生物医学和”

−

--ZC(讨论) 【审校】“个体化医学”改为“私人医疗”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“个体化医学”改为“私人医疗”

−

--ZC(讨论) 【审校】“精准医学”改为“精密医学”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“精准医学”改为“精密医学”

==In computer science在计算机科学领域==

第86行：第86行：

确定两个时间独立变量：X 和 Y 的联合观测数据因果关系的问题已经被解决了，方法是利用 X → Y 和 Y → X 方向上某些模型的证据不对称性。主要的方法基于'''算法信息理论Algorithmic information theory'''模型和'''噪声模型noise models'''。

−

--ZC(讨论) 【审校】“确定两个时间独立变量：X 和 Y 的联合观测数据因果关系的问题已经被解决了，方法是利用 X → Y 和 Y → X 方向上某些模型的证据不对称性。”改为“由两个时间自变量，例如X,Y；联合观测数据来确定因果关系。已经被使用一些模型方向上证据的不对称性给解决了，例如：X → Y 和 Y → X 。”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“确定两个时间独立变量：X 和 Y 的联合观测数据因果关系的问题已经被解决了，方法是利用 X → Y 和 Y → X 方向上某些模型的证据不对称性。”改为“由两个时间自变量，例如X,Y；联合观测数据来确定因果关系。已经被使用一些模型方向上证据的不对称性给解决了，例如：X → Y 和 Y → X 。”

第103行：第103行：

* 用未压缩的 X 来存储 X 和压缩形式的 Y 。

−

--ZC(讨论) 【审校】“用未压缩的 X 来存储 X 和压缩形式的 Y ”改为“根据未压缩的Y存储Y和X的压缩型，根据未压缩的X存储X和Y的压缩型”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“用未压缩的 X 来存储 X 和压缩形式的 Y ”改为“根据未压缩的Y存储Y和X的压缩型，根据未压缩的X存储X和Y的压缩型”

The shortest such program implies the uncompressed stored variable more-likely causes the computed variable.<ref>Kailash Budhathoki and Jilles Vreeken "[http://eda.mmci.uni-saarland.de/pubs/2016/origo-budhathoki,vreeken.pdf Causal Inference by Compression]" 2016 IEEE 16th International Conference on Data Mining (ICDM)</ref><ref>{{Cite journal |doi = 10.1007/s10115-018-1286-7|title = Telling cause from effect by local and global regression|journal = Knowledge and Information Systems|year = 2018|last1 = Marx|first1 = Alexander|last2 = Vreeken|first2 = Jilles|volume=60|issue = 3|pages=1277–1305|doi-access = free}}</ref>

第110行：第110行： −

--ZC(讨论) 【审校】“最短的这种程序意味着”改为“最短的此类程序表明”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“最短的这种程序意味着”改为“最短的此类程序表明”

−

--ZC(讨论) 【审校】“计算出的变量”改为“计算变量”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“计算出的变量”改为“计算变量”

===Noise models噪音模型===

第157行：第157行：

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'''复杂性complexity '''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。

−

--ZC(讨论) 【审校】“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”改为“联合分布P(起因,结果)到P(起因)*P(结果|起因)拆分的主意通常产生模型的总”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“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”改为“联合分布P(起因,结果)到P(起因)*P(结果|起因)拆分的主意通常产生模型的总”

−

--ZC(讨论) 【审校】“低于到P(Effect)*P(Cause | Effect)的因式分解”改为“低于将P(起因,结果)到P(结果)*P(起因|结果)的拆分”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“低于到P(Effect)*P(Cause | Effect)的因式分解”改为“低于将P(起因,结果)到P(结果)*P(起因|结果)的拆分”

−

--ZC(讨论) 【审校】“但是对于如何定义”改为“但对于应该如何精确定义”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“但是对于如何定义”改为“但对于应该如何精确定义”

−

--ZC(讨论) 【审校】“标签过”改为“被标记”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“标签过”改为“被标记”

== In statistics and economics 在统计学和经济学领域==

第173行：第173行：

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('''理论驱动theory-driven'''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，'''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。由于'''偏相关partial correlations'''是对称的，人们不能在相关的基础上确定因果关系的方向。经济学家基于因果关系的'''概率观点probabilistic view'''假设，原因必须在时间上优先于其结果。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检验计量经济方法（例如，'''格兰杰因果检验'''）<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>。第五，有些做法包括了其他回归项，从而确保'''混淆变量confounding variables'''不会导致某个回归因素显得明显虚假，但遭受'''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'''共因谬误common-cause fallacy'''<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>。近年来，'''以研究设计为基础的计量经济学design-based econometrics'''运动已经推广使用自然实验和准实验研究设计来解决'''虚假相关spurious correlations'''的问题<ref>{{Cite book|last=Angrist Joshua & Pischke Jörn-Steffen|title=Mostly Harmless Econometrics: An Empiricist's Companion|publisher=Princeton University Press|year=2008|location=Princeton}}</ref>。】

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】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。一句中的“区分”改为“鉴别”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】从而确定因果关系的方向，一句中“确定”改为“建立”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】如果研究降雨与未来商品价格之间的依赖关系，一句中“未来商品价格”改为“一种商品的未来价格

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】那么一个广义上建构的理论表明，一句中“一个”去掉。

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】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。一句中“工具变量”改为“变量（工具）”；“反向因果”改为“逆因果”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】经济学家会考虑时间优先级来选择合适的具体模型。一句中“会”改为“会通过”；“合适的具体模型”改为“适当的模型规范”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“人们不能在相关的基础上确定因果关系的方向”一句改为“不能仅仅根据一方面的相关性来确定因果关系的方向”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“经济学家基于因果关系的”一句改为“基于因果关系的”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“假设，原因必须在时间上优先于其结果”一句改为“经济学家假设，在时间上原因必须先于其结果”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“并开发适用于时间序列分析的因果关系检验计量经济方法”一句中的“检验计量经济方法”改为“计量经济学的检验方法”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“不会导致某个回归因素显得明显虚假”一句中的“明显虚假”改为“过于虚假”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“但遭受”中的“但”改为“但在”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“以研究设计为基础的计量经济学”一句中“研究”去掉。

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“运动已经推广使用自然实验和准实验研究设计来解决”一句中“运动已经推广”改为“活动已经推广至”

--[[用户:嘉树|嘉树]]（[[用户讨论:嘉树|讨论]]）英文词条的第三和第四：

第182行：第197行：

第四，有些方法包括了其他回归因素，以确保'''混淆变量confounding variables'''不会导致一个回归项虚假地呈现显著。通过使用大样本和交叉验证检查在回归中未使用的数据上是否保持了相关性，可以排除巧合的，而不是反映实际依赖内在过程的相关性。】

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“通过在回归的右侧只包括时间上在因变量之前的变量”改为“在正向回归中只包含在时间上早于因变量的变量”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“就可以使用结果不能优先于原因的原则”改为“就可以引用结果不能先于原因的原则”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“有些方法包括了其他回归因素，以确保”改为“有些方法包括了其他回归因素以确保”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“不会导致一个回归项虚假地呈现显著”改为“不会导致回归项虚假地呈现这种现象十分重要”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“通过使用大样本和交叉验证检查在回归中未使用的数据上是否保持了相关性，可以排除巧合的，而不是反映实际依赖内在过程的相关性。”一句改为“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。”

--[[用户:嘉树|嘉树]]（[[用户讨论:嘉树|讨论]]）整合后的翻译：

第192行：第212行：

社会科学越来越倾向评估因果关系的定量框架。框架中的很大一部分已经被描述为一种提供更严格的'''社会科学方法social science methodology'''的方式。1994年，'''加里·金Gary King'''、'''罗伯特 · 基奥汉Robert Keohane'''和'''西德尼 · 维尔巴Sidney Verba'''合著的《'''设计社会学问卷Designing Social Inquiry'''》对政治科学产生了重大影响。'''金、基奥汉，和维尔巴（通常缩写为 KKV）建议研究人员同时采用定量和定性的方法，采用统计推论的语言来更清楚地说明他们感兴趣的主题和分析的单位。King, Keohane, and Verba (often abbreviated as KKV) recommended that researchers applying both quantitative and qualitative methods adopt the language of statistical inference to be clearer about their subjects of interest and units of analysis.'''<ref>{{Cite book|title=Designing social inquiry : scientific inference in qualitative research|first=Gary|last=King|date=2012|publisher=Princeton Univ. Press|isbn=978-0691034713|oclc=754613241}}</ref><ref name=":0">{{Cite journal|last=Mahoney|first=James|date=January 2010|title=After KKV|journal=World Politics|volume=62|issue=1|pages=120–147|jstor=40646193|doi=10.1017/S0043887109990220}}</ref>定量方法的支持者也越来越多地采用'''唐纳德 · 鲁宾Donald Rubin'''开发的'''潜在结果框架potential outcomes framework'''作为推断因果关系的标准。

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“社会科学越来越倾向评估因果关系的定量框架”一句改为“社会科学越来越倾向用定量框架来评估因果关系”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“的方式”改为“的手段”

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】“建议研究人员同时采用定量和定性的方法，采用统计推论的语言来更清楚地说明他们感兴趣的主题和分析的单位。”改为“建议同时采用定量和定性方法的研究人员采用统计推断的语言，以便更清楚地了解他们感兴趣的主题和分析单位。”

+

Debates over the appropriate application of quantitative methods to infer causality resulted in increased attention to the reproducibility of studies. Critics of widely-practiced methodologies argued that researchers have engaged in [[Data dredging|P hacking]] to publish articles on the basis of spurious correlations.<ref>{{Cite news|url=https://www.nytimes.com/2017/10/18/magazine/when-the-revolution-came-for-amy-cuddy.html|title=When the Revolution Came for Amy Cuddy|last=Dominus|first=Susan|date=18 October 2017|work=The New York Times|access-date=2019-03-02|language=en-US|issn=0362-4331}}</ref> To prevent this, some have advocated that researchers preregister their research designs prior to conducting to their studies so that they do not inadvertently overemphasize a non-reproducible finding that was not the initial subject of inquiry but was found to be statistically significant during data analysis.<ref>{{Cite web|url=https://www.americanscientist.org/article/the-statistical-crisis-in-science|title=The Statistical Crisis in Science|date=6 February 2017|website=American Scientist|language=en|access-date=2019-04-18}}</ref> Internal debates about methodology and reproducibility within the social sciences have at times been acrimonious.{{Citation needed|date=May 2019}}

合适地应用定量方法来推断因果关系的相关争论导致了对研究'''可重复性reproducibility'''的更多关注。对广泛被使用的方法持批评态度的人认为，研究人员利用'''数据挖掘Data dredging'''或'''p-hacking'''技术以在虚假相关的基础上发表文章<ref>{{Cite news|url=https://www.nytimes.com/2017/10/18/magazine/when-the-revolution-came-for-amy-cuddy.html|title=When the Revolution Came for Amy Cuddy|last=Dominus|first=Susan|date=18 October 2017|work=The New York Times|access-date=2019-03-02|language=en-US|issn=0362-4331}}</ref>。为了避免这种情况的发生，一些人主张研究人员在进行研究之前'''预注册preregister'''他们的研究设计，这样他们就不会无意中过分强调一项不可复制的发现，这项发现并非最初的调查对象，但在数据分析中被发现具有统计意义<ref>{{Cite web|url=https://www.americanscientist.org/article/the-statistical-crisis-in-science|title=The Statistical Crisis in Science|date=6 February 2017|website=American Scientist|language=en|access-date=2019-04-18}}</ref>。社会科学内部关于方法论和可重复性的争论有时是尖锐的{{Citation needed|date=May 2019}}。

−

+

--[[用户:ZC|ZC]]([[用户讨论:ZC|讨论]]) 【审校】

While much of the emphasis remains on statistical inference in the potential outcomes framework, social science methodologists have developed new tools to conduct causal inference with both qualitative and quantitative methods, sometimes called a “mixed methods” approach.<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> Advocates of diverse methodological approaches argue that different methodologies are better suited to different subjects of study. Sociologist Herbert Smith and Political Scientists James Mahoney and Gary Goertz have cited the observation of Paul Holland, a statistician and author of the 1986 article “Statistics and Causal Inference,” that statistical inference is most appropriate for assessing the “effects of causes” rather than the “causes of effects.”<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> Qualitative methodologists have argued that formalized models of causation, including process tracing and fuzzy set theory, provide opportunities to infer causation through the identification of critical factors within case studies or through a process of comparison among several case studies.<ref name=":0" /> These methodologies are also valuable for subjects in which a limited number of potential observations or the presence of confounding variables would limit the applicability of statistical inference.{{Citation needed|date=May 2019}}

Zc1234567

10

个编辑