697
个编辑
更改
→历史渊源
19世纪末皮尔逊从高尔顿那里学会并发展了建立事物之间相关性的方法<ref name=pearson_1896>{{cite journal |last1=Pearson|first1=Karl|title=Mathematical Contributions to the Theory of Evolution. III. Regression, Heredity, and Panmixia|journal=Philosophical Transactions of the Royal Society of London|volume=187|year=1896|pages=253–318|url=}}</ref>，通过一个特定的数值（皮尔逊相关系数）来简单直观地告诉人们两个事物（或变量）之间在变化趋势上的关联紧密程度，是朝着相同方向变化还是相反方向变化，以及这种变化的相关程度到底有多大。并认为相关性足以说明事物之间的联系，完全不需要在数学中定义因果关系，因果关系只是相关性一个特例。随着这种观点在学术界的流行，因果以及因果关系的研究被压制了将近半个世纪。
19世纪末皮尔逊从高尔顿那里学会并发展了建立事物之间相关性的方法<ref name=pearson_1896>{{cite journal |last1=Pearson|first1=Karl|title=Mathematical Contributions to the Theory of Evolution. III. Regression, Heredity, and Panmixia|journal=Philosophical Transactions of the Royal Society of London|volume=187|year=1896|pages=253–318|url=}}</ref>，通过一个特定的数值（皮尔逊相关系数）来简单直观地告诉人们两个事物（或变量）之间在变化趋势上的关联紧密程度，是朝着相同方向变化还是相反方向变化，以及这种变化的相关程度到底有多大。并认为相关性足以说明事物之间的联系，完全不需要在数学中定义因果关系，因果关系只是相关性一个特例。随着这种观点在学术界的流行，因果以及因果关系的研究被压制了将近半个世纪。
现代因果关系研究的新曙光出现在20世纪20年代，其代表人物是美国科学家杰西·内曼（Jery Neyman），内曼研究了随机对照试验(RCT)，并且指出从随机对照试验中发现因果关系的可能性和必要性，并提出了“潜在结果”的思想<ref name=neyman_1923>{{cite journal |last=Neyman |first=Jerzy |title=O wyznaczeniu efektów doświadczeń losowych |language=Polish |trans-title=[On Determining the Effects of Randomized Experiments] |journal=Książnica Atlas |year=1923 |publisher=Książnica Atlas|url=}}</ref>，潜在结果的思想是对于每个人或事物在面对不同情况（比如做与不做某件事、接受不同处理等）时都有相应的可能结果，但通常我们只能看到实际发生情况对应的那个结果，其他没发生情况对应的结果就是潜在的，我们可以通过一些方法来推断这些潜在结果以及不同情况带来的影响差异。由于研究结果是用波兰文发表的，所以当时并未引起关注。
现代因果关系研究的新曙光出现在20世纪20年代，其代表人物是美国科学家杰西·内曼（Jery Neyman），内曼研究了[[随机对照试验]](RCT)，并且指出从随机对照试验中发现因果关系的可能性和必要性，并提出了“潜在结果”的思想<ref name=neyman_1923>{{cite journal |last=Neyman |first=Jerzy |title=O wyznaczeniu efektów doświadczeń losowych |language=Polish |trans-title=[On Determining the Effects of Randomized Experiments] |journal=Książnica Atlas |year=1923 |publisher=Książnica Atlas|url=}}</ref>，潜在结果的思想是对于每个人或事物在面对不同情况（比如做与不做某件事、接受不同处理等）时都有相应的可能结果，但通常我们只能看到实际发生情况对应的那个结果，其他没发生情况对应的结果就是潜在的，我们可以通过一些方法来推断这些潜在结果以及不同情况带来的影响差异。由于研究结果是用波兰文发表的，所以当时并未引起关注。
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。