Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску
Эта статья посвящена методологическому причинно-следственному выводу. О философии причинного вывода см. Причинное рассуждение .

Причинно-следственный вывод - это процесс определения независимого фактического воздействия определенного явления, которое является компонентом более крупной системы. Основное различие между причинным выводом и выводом ассоциации состоит в том, что причинный вывод анализирует реакцию переменной эффекта, когда причина переменной эффекта изменяется. [1] [2] Наука о том, почему что-то происходит, называется этиологией . Говорят, что причинный вывод обеспечивает доказательство причинности, теоретизируемой с помощью причинных рассуждений .

Причинный вывод широко изучается во всех науках. Несколько нововведений в разработке и внедрении методологии, предназначенной для определения причинно-следственной связи, получили распространение в последние десятилетия. Причинный вывод остается особенно трудным там, где экспериментирование затруднено или невозможно, что является обычным явлением для большинства наук.

Подходы к причинному выводу широко применимы во всех типах научных дисциплин, и многие методы причинного вывода, которые были разработаны для определенных дисциплин, нашли применение и в других дисциплинах. В этой статье описывается основной процесс, лежащий в основе причинного вывода, и подробно описываются некоторые из наиболее традиционных тестов, используемых в различных дисциплинах; однако это не следует принимать за предположение, что эти методы применимы только к этим дисциплинам, а просто потому, что они наиболее часто используются в этой дисциплине.

Причинный вывод сложно сделать, и среди ученых ведутся серьезные споры о правильном способе определения причинности. Несмотря на другие нововведения, сохраняются опасения по поводу неправильной атрибуции учеными корреляционных результатов как причинных, использования учеными неправильных методологий и преднамеренного манипулирования учеными аналитическими результатами с целью получения статистически значимых оценок. Особое беспокойство вызывает использование регрессионных моделей, особенно линейных регрессионных моделей.

Определение [ править ]

Выявление причины чего-либо было описано как:

  • «... рассуждения [в] к заключению, что что-то является или может быть причиной чего-то еще». [3]
  • «Идентификация причины или причин явления путем установления ковариации причины и следствия, взаимосвязи во времени с причиной, предшествующей следствию, и устранения вероятных альтернативных причин». [4]

Методология [ править ]

Общие [ править ]

Дополнительная информация: причинно- следственная связь и причинно- следственный анализ.

Причинно-следственный вывод осуществляется путем изучения систем, в которых предполагается, что мера одной переменной влияет на меру другой. Причинно-следственный вывод делается с учетом научного метода . Первым шагом причинно-следственного вывода является формулировка фальсифицируемой нулевой гипотезы , которая впоследствии проверяется статистическими методами . Статистический вывод Frequentist - это использование статистических методов для определения вероятности того, что данные возникают при нулевой гипотезе случайно: байесовский вывод используется для определения эффекта независимой переменной. [5]Статистический вывод в целом используется для определения разницы между вариациями исходных данных, которые являются случайными вариациями, или эффектом четко определенного причинного механизма. Примечательно, что корреляция не подразумевает причинно-следственную связь , поэтому изучение причинно-следственной связи связано с изучением потенциальных причинных механизмов так же, как и с вариациями между данными. [ необходима цитата ] Часто востребованный стандарт причинного вывода - это эксперимент, в котором лечение назначается случайным образом, но все другие смешивающие факторы остаются неизменными. Большинство попыток причинно-следственного вывода предпринимаются в попытках воспроизвести экспериментальные условия.

В эпидемиологических исследованиях используются разные эпидемиологические методы сбора и измерения доказательств факторов риска и их воздействия, а также различные способы измерения связи между ними. Результаты обзора методов причинно-следственного вывода, проведенного в 2020 году, показали, что использование существующей литературы для программ клинической подготовки может быть сложной задачей. Это связано с тем, что опубликованные статьи часто предполагают продвинутую техническую подготовку, они могут быть написаны с разных статистических, эпидемиологических, компьютерных или философских точек зрения, методологические подходы продолжают быстро расширяться, а многие аспекты причинного вывода получают ограниченное освещение. [6]

Обычными каркасами для причинного вывода являются моделирование структурными уравнениями и причинная модель Рубина . [ необходима цитата ]

Экспериментальный [ править ]

Дополнительная информация: эксперимент

Возможна экспериментальная проверка причинных механизмов экспериментальными методами. Основная мотивация эксперимента состоит в том, чтобы поддерживать постоянными другие экспериментальные переменные при целенаправленном манипулировании интересующей переменной. Если эксперимент дает статистически значимые эффекты в результате манипулирования только переменной лечения, есть основания полагать, что причинно-следственный эффект может быть отнесен к переменной лечения, предполагая, что были соблюдены другие стандарты дизайна эксперимента.

Квази-экспериментальный [ править ]

Дополнительная информация: Квазиэксперимент.

Квазиэкспериментальная проверка причинных механизмов проводится, когда традиционные экспериментальные методы недоступны. Это может быть результатом непомерно высоких затрат на проведение эксперимента или неотъемлемой невозможности проведения эксперимента, особенно экспериментов, которые связаны с большими системами, такими как экономия избирательных систем, или лечения, которое, как считается, представляет опасность для колодца. -бытие подопытных. Квазиэксперименты также могут иметь место, когда информация не разглашается по юридическим причинам.

Подходы в эпидемиологии [ править ]

Эпидемиология изучает паттерны здоровья и болезней в определенных популяциях живых существ , чтобы сделать выводы о причинах и следствиях. Связь между воздействием предполагаемого фактора риска и заболеванием может наводить на размышления, но не эквивалентна причинно-следственной связи, поскольку корреляция не подразумевает причинной связи . Исторически постулаты Коха использовались с XIX века для определения того, был ли микроорганизм причиной заболевания. В 20 веке критерии Брэдфорд Хилла , описанные в 1965 году [7] были использованы для оценки причинно-следственной связи переменных вне микробиологии, хотя даже эти критерии не являются исключительными способами определения причинной связи.

В молекулярной эпидемиологии изучаемые явления находятся на уровне молекулярной биологии , включая генетику, где биомаркеры являются свидетельством причины или следствия.

Недавняя тенденция [ когда? ] заключается в выявлении доказательств влияния воздействия на молекулярную патологию в пораженной ткани или клетках в развивающейся междисциплинарной области молекулярной патологической эпидемиологии (MPE). [ необходим сторонний источник ] Связь воздействия с молекулярными патологическими признаками заболевания может помочь оценить причинно-следственную связь. [ необходим сторонний источник ] Учитывая естественную природу гетерогенности данного заболевания, принцип уникальности болезни, фенотипирование и подтипирование болезни являются тенденциями в биомедицине и общественном здравоохранении.науки, например, персонализированная медицина и точная медицина . [ необходим сторонний источник ]

Подходы в информатике [ править ]

Определение причины и следствия на основе совместных данных наблюдений для двух переменных, не зависящих от времени, скажем X и Y, решалось с использованием асимметрии между свидетельствами для некоторой модели в направлениях X → Y и Y → X. Основные подходы основаны на алгоритмических методах. модели теории информации и модели шума. [ необходима цитата ]

Алгоритмические информационные модели [ править ]

Сравните две программы, оба из которых выход как X и Y .

  • Магазин Y и сжатый форма X в терминах несжатого Y .
  • Хранить Й и сжатый вид Y в терминах несжатого X .

Самая короткая такая программа подразумевает, что несжатая сохраненная переменная с большей вероятностью вызывает вычисляемую переменную. [8] [9]

Модели шума [ править ]

Включите в модель независимый шумовой член, чтобы сравнить свидетельства двух направлений.

Вот некоторые из моделей шума для гипотезы Y → X с шумом E:

  • Аддитивный шум: [10]
  • Линейный шум: [11]
  • Постнелинейный: [12]
  • Гетероскедастический шум:
  • Функциональный шум: [13]

Общие допущения в этих моделях:

  • Других причин Y.
  • X и E не имеют общих причин.
  • Распространение причин не зависит от причинных механизмов.

На интуитивном уровне идея состоит в том, что факторизация совместного распределения P (Причина, Следствие) в P (Причина) * P (Эффект | Причина) обычно дает модели более низкой общей сложности, чем факторизация в P (Эффект) * P (Причина | Следствие). Хотя понятие «сложность» интуитивно привлекательно, неясно, как его следует точно определить. [13] Другое семейство методов пытается обнаружить причинные «следы» из больших объемов помеченных данных и позволяет прогнозировать более гибкие причинные связи. [14]

Подходы в социальных науках [ править ]

Основная статья: Причинно-следственная связь § Статистика и экономика

Социальные науки [ править ]

Социальные науки в целом все больше переходят к включению количественных рамок для оценки причинности. Многое из этого было описано как средство придания большей строгости методологии социальных наук. Существенное влияние на политологию оказала публикация « Designing Social Inquiry » Гэри Кинга, Роберта Кеохана и Сиднея Вербы в 1994 году. Кинг, Кеохейн и Верба рекомендуют исследователям применять как количественные, так и качественные методы и использовать язык статистических выводов. быть более точными в отношении интересующих их предметов и единиц анализа. [15] [16] Сторонники количественных методов также все чаще применяют схему потенциальных результатов , разработанную Дональдом Рубином., как стандарт для вывода причинности. [ необходима цитата ]

В то время как значительный упор по-прежнему делается на статистический вывод в структуре потенциальных результатов, методологи в области социальных наук разработали новые инструменты для проведения причинно-следственных выводов с использованием как качественных, так и количественных методов, иногда называемых подходом «смешанных методов». [17] [18] Сторонники различных методологических подходов утверждают, что разные методологии лучше подходят для разных предметов исследования. Социолог Герберт Смит и политологи Джеймс Махони и Гэри Герц процитировали наблюдение Пола Холланда, статистика и автора статьи 1986 года «Статистика и причинный вывод», о том, что статистический вывод наиболее подходит для оценки «следствий причин», а не «причины следствий». [19] [20]Качественные методологи утверждали, что формализованные модели причинно-следственной связи, включая отслеживание процессов и теорию нечетких множеств , предоставляют возможности для вывода причинно-следственной связи посредством выявления критических факторов в тематических исследованиях или посредством процесса сравнения нескольких тематических исследований. [16] Эти методологии также ценны для субъектов, в которых ограниченное количество потенциальных наблюдений или наличие мешающих переменных ограничивают применимость статистического вывода. [ необходима цитата ]

Экономика и политология [ править ]

В экономических и политических науках причинно-следственный вывод часто затруднен из-за сложности реальных экономических и политических реалий и невозможности воссоздать многие крупномасштабные явления в рамках контролируемых экспериментов. Причинный вывод в экономических и политических науках продолжает улучшаться в методологии и строгости из-за повышения уровня технологий, доступных социологам, увеличения числа социологов и исследований, а также усовершенствований методологий причинного вывода во всех социальных науках. [21]

Несмотря на трудности, присущие определению причинно-следственной связи в экономических системах, в этих областях существует несколько широко используемых методов.

Теоретические методы [ править ]

Экономисты и политологи могут использовать теорию (часто изучаемую с помощью эконометрики, основанной на теории) для оценки величины предположительно причинно-следственных связей в тех случаях, когда они считают, что причинно-следственная связь существует. [22] Теоретики могут предположить механизм, который считается причинным, и описать эффекты, используя анализ данных, чтобы оправдать предложенную ими теорию. Например, теоретики могут использовать логику для построения модели, например, предполагая, что дождь вызывает колебания экономической производительности, но обратное неверно. [23] Тем не менее, использование чисто теоретических утверждений, не предлагающих никаких предсказаний, было названо «донаучным», потому что нет возможности предсказать влияние предполагаемых причинных свойств. [5]Стоит повторить, что регрессионный анализ в социальных науках по своей сути не подразумевает причинно-следственную связь, поскольку многие явления могут коррелировать в краткосрочной перспективе или в определенных наборах данных, но не демонстрируют корреляции в другие периоды времени или другие наборы данных. Таким образом, приписывание причинных свойств коррелятивным свойствам преждевременно, поскольку отсутствует четко определенный и аргументированный причинный механизм.

Инструментальные переменные [ править ]

Метод инструментальных переменных (IV) - это метод определения причинной связи, который включает устранение корреляции между одной из объясняющих переменных модели и членом ошибки модели. Здесь считается, что, если член ошибки модели идет рука об руку с изменением другой переменной, то член ошибки модели, вероятно, является результатом изменения этой объясняющей переменной. Устранение этой корреляции путем введения новой инструментальной переменной, таким образом, уменьшает ошибку, присутствующую в модели в целом. [24]

Спецификация модели [ править ]

Спецификация модели - это акт выбора модели, которая будет использоваться при анализе данных. Социологи (да и вообще все ученые) должны определить правильную модель для использования, потому что разные модели хороши для оценки разных отношений. [25]

Спецификация модели может быть полезной для определения медленно возникающей причинной связи, когда эффекты действия в один период ощущаются только в более поздний период. Стоит помнить, что корреляции измеряют только то, имеют ли две переменные одинаковую дисперсию, а не влияют ли они друг на друга в определенном направлении; таким образом, нельзя определить направление причинной связи, основываясь только на корреляциях. Поскольку считается, что причинные действия предшествуют причинным эффектам, социологи могут использовать модель, которая специально ищет влияние одной переменной на другую в течение определенного периода времени. Это приводит к использованию переменных, представляющих явления, происходящие ранее, в качестве эффектов лечения, где эконометрические тесты используются для поиска более поздних изменений в данных, которые приписываются эффекту таких эффектов лечения,где значимая разница в результатах после значимой разницы в эффектах лечения может указывать на причинно-следственную связь между эффектами лечения и измеренными эффектами (например, тесты на причинность Грейнджера). Подобные исследования являются примерамианализ временных рядов . [26]

Анализ чувствительности [ править ]

Другие переменные или регрессоры в регрессионном анализе либо включаются, либо не включаются в различные реализации одной и той же модели, чтобы гарантировать, что различные источники вариаций можно изучать отдельно друг от друга. Это форма анализа чувствительности: это исследование того, насколько чувствительна реализация модели к добавлению одной или нескольких новых переменных. [27]

Основным мотивирующим фактором при использовании анализа чувствительности является стремление обнаружить смешивающие переменные . Смешивающие переменные - это переменные, которые имеют большое влияние на результаты статистического теста, но не являются той переменной, которую пытается изучить причинный вывод. Смешивающие переменные могут привести к тому, что регрессор будет казаться значимым в одной реализации, но не в другой.

Мультиколлинеарность [ править ]

Другой причиной использования анализа чувствительности является обнаружение мультиколлинеарности . Мультиколлинеарность - это явление, при котором корреляция между двумя переменными очень высока. Высокий уровень корреляции между двумя переменными может резко повлиять на результат статистического анализа, где небольшие вариации в сильно коррелированных данных могут изменить влияние переменной с положительного направления на отрицательное или наоборот. Это неотъемлемое свойство дисперсионного тестирования. Определение мультиколлинеарности полезно при анализе чувствительности, потому что устранение сильно коррелированных переменных в различных реализациях модели может предотвратить резкие изменения в результатах, которые возникают в результате включения таких переменных. [28]

Однако есть пределы способности анализа чувствительности предотвращать пагубные последствия мультиколлинеарности, особенно в социальных науках, где системы сложны. Поскольку теоретически невозможно включить или даже измерить все смешивающие факторы в достаточно сложной системе, эконометрические модели подвержены ошибке общей причины, когда причинные эффекты неправильно приписываются неправильной переменной, потому что правильная переменная не была отражена в исходные данные. Это пример неспособности учесть скрытую переменную . [29]

Эконометрика на основе дизайна [ править ]

В последнее время усовершенствованная методология эконометрики, основанной на дизайне, привела к популяризации использования как естественных экспериментов, так и квазиэкспериментальных исследовательских планов для изучения причинных механизмов, которые, как считается, идентифицируются такими экспериментами. [30]

Злоупотребление служебным положением в причинном выводе [ править ]

Несмотря на успехи в разработке методологий, используемых для определения причинно-следственной связи, остаются существенные недостатки в определении причинно-следственной связи. Эти недостатки можно отнести как к изначальной сложности определения причинно-следственных связей в сложных системах, так и к случаям научной халатности.

Помимо трудностей причинного вывода, среди некоторых больших групп социологов существует представление о том, что большое количество ученых в области социальных наук занимаются ненаучной методологией. В этих областях широко распространена критика экономистов и социологов, которые выдают описательные исследования за причинно-следственные связи. [5]

Научная халатность и ошибочная методология [ править ]

В естественных науках, особенно в социальных, среди ученых есть опасения, что научная халатность широко распространена. Поскольку научное исследование - это обширная тема, существует теоретически неограниченное количество способов подорвать причинный вывод не по вине исследователя. Тем не менее, ученые по-прежнему обеспокоены тем, что большое количество исследователей не выполняют основные обязанности или не применяют достаточно разнообразные методы для причинного вывода. [31] [21] [32] [ неудавшаяся проверка ] [33]

Одним из ярких примеров общей непричинной методологии является ошибочное предположение о коррелятивных свойствах как о каузальных свойствах. У коррелирующих явлений нет никакой внутренней причинности. Модели регрессии предназначены для измерения дисперсии данных по сравнению с теоретической моделью: нет ничего, что могло бы предполагать, что данные, которые представляют высокие уровни ковариации, имеют какое-либо значимое отношение (при отсутствии предлагаемого причинно-следственного механизма с прогностическими свойствами или случайного назначения лечения). Было заявлено, что использование некорректной методологии широко распространено, и типичными примерами такой злоупотребления служебным положением являются чрезмерное использование корреляционных моделей, особенно чрезмерное использование регрессионных моделей и, в частности, линейных регрессионных моделей. [5]Предположение о том, что два коррелированных явления по своей сути связаны, является логической ошибкой, известной как ложная корреляция . Некоторые социологи утверждают, что широкое использование методологии, которая приписывает причинность ложным корреляциям, нанесло ущерб целостности социальных наук, хотя были отмечены улучшения, вытекающие из более совершенных методологий. [30]

Потенциальный эффект научных исследований, которые ошибочно объединяют корреляцию с причинностью, заключается в увеличении количества научных открытий, результаты которых не могут быть воспроизведены третьими сторонами. Такая невоспроизводимость является логическим следствием выводов о том, что корреляция только временно чрезмерно обобщается в механизмы, которые не имеют внутренней взаимосвязи, где новые данные не содержат предыдущих идиосинкразических корреляций исходных данных. Продолжаются споры о влиянии злоупотреблений служебным положением на влияние присущих им трудностей поиска причинно-следственной связи. [34]Критики широко применяемых методологий утверждают, что исследователи использовали статистические манипуляции для публикации статей, которые якобы демонстрируют доказательства причинной связи, но на самом деле являются примерами ложной корреляции, рекламируемой как свидетельство причинности: такие попытки можно назвать P-взломом . [35] Чтобы предотвратить это, некоторые выступали за то, чтобы исследователи предварительно регистрировали свои исследовательские планы перед проведением своих исследований, чтобы они случайно не переоценили невоспроизводимый результат, который не был первоначальным предметом исследования, но был признан статистически значимым во время анализа данных. . [36]

См. Также [ править ]

  • Причинно-следственный анализ
  • Причинность Грейнджера
  • Многовариантная статистика
  • Частичная регрессия наименьших квадратов
  • Патогенез
  • Патология
  • Регрессионный анализ
  • Передача энтропии

Ссылки [ править ]

  1. ↑ Перл, Иудея (1 января 2009 г.). «Причинно-следственный вывод в статистике: обзор» (PDF) . Статистические обзоры . 3 : 96–146. DOI : 10.1214 / 09-SS057 .
  2. ^ Морган, Стивен; Уиншип, Крис (2007). Контрфактические факты и причинный вывод . Издательство Кембриджского университета. ISBN 978-0-521-67193-4.
  3. ^ "причинный вывод" . Большой энциклопедический словарь Inc . Проверено 24 августа 2014 года .
  4. ^ Джон Шонесси; Юджин Зехмайстер; Жанна Зехмайстер (2000). Методы исследования в психологии . McGraw-Hill Гуманитарные / Социальные науки / Языки. стр. Глава 1: Введение. ISBN 978-0077825362. Архивировано из оригинального 15 октября 2014 года . Проверено 24 августа 2014 года .
  5. ^ a b c d Schrodt, Philip A (1 марта 2014 г.). «Семь смертных грехов современного количественного политического анализа» . Журнал исследований мира . 51 (2): 287–300. DOI : 10.1177 / 0022343313499597 . ISSN 0022-3433 . S2CID 197658213 .  
  6. ^ Ландситтель, Дуглас; Шривастава, Авантика; Кропф, Кристин (2020). «Повествовательный обзор методов причинного вывода и связанных с ними образовательных ресурсов» . Управление качеством в здравоохранении . 29 (4): 260–269. DOI : 10.1097 / QMH.0000000000000276 . ISSN 1063-8628 . PMID 32991545 . S2CID 222146291 .   
  7. ^ Хилл, Остин Брэдфорд (1965). «Окружающая среда и болезнь: связь или причинно-следственная связь?» . Труды Королевского медицинского общества . 58 (5): 295–300. DOI : 10.1177 / 003591576505800503 . PMC 1898525 . PMID 14283879 .  
  8. ^ Кайлаш Будхатхоки и Джилл Врикен " Причинный вывод путем сжатия ", 2016 IEEE 16-я Международная конференция по интеллектуальному анализу данных (ICDM)
  9. ^ Маркс, Александр; Врекен, Джилл (2018). «Отличие причины от следствия с помощью локальной и глобальной регрессии» . Знания и информационные системы . 60 (3): 1277–1305. DOI : 10.1007 / s10115-018-1286-7 .
  10. ^ Хойер, Патрик О. и др. « Нелинейное обнаружение причинно-следственных связей с помощью моделей аддитивного шума ». НИПС. Vol. 21. 2008.
  11. ↑ Симидзу, Шохей; и другие. (2011). «DirectLiNGAM: прямой метод изучения модели линейных негауссовских структурных уравнений» (PDF) . Журнал исследований в области машинного обучения . 12 : 1225–1248. arXiv : 1101.2489 .
  12. ↑ Чжан, Кун и Аапо Хювяринен. « Об идентифицируемости постнелинейной причинно-следственной модели ». Труды Двадцать пятой конференции по неопределенности в искусственном интеллекте. AUAI Press, 2009.
  13. ^ a b Mooij, Joris M., et al. « Вероятностные модели скрытых переменных для различения причины и следствия ». НИПС. 2010 г.
  14. ^ Лопес-Пас, Дэвид и др. « К теории изучения причинно-следственного вывода » ICML. 2015 г.
  15. ^ Король, Гэри (2012). Разработка социального исследования: научный вывод в качественном исследовании . Princeton Univ. Нажмите. ISBN 978-0691034713. OCLC  754613241 .
  16. ^ a b Махони, Джеймс (январь 2010 г.). «После ККВ». Мировая политика . 62 (1): 120–147. DOI : 10.1017 / S0043887109990220 . JSTOR 40646193 . S2CID 43923978 .  
  17. ^ Кресвелл, Джон В .; Кларк, Вики Л. Плано (2011). Разработка и проведение исследований смешанными методами . Публикации SAGE. ISBN 9781412975179.
  18. ^ Seawright, Джейсон (сентябрь 2016). Многометодные социальные науки Джейсона Сорита . Кембриджское ядро . DOI : 10.1017 / CBO9781316160831 . ISBN 9781316160831. Проверено 18 апреля 2019 .
  19. ^ Смит, Герберт Л. (10 февраля 2014 г.). «Действие причин и причины следствий: некоторые замечания с социологической стороны» . Социологические методы и исследования . 43 (3): 406–415. DOI : 10.1177 / 0049124114521149 . PMC 4251584 . PMID 25477697 .  
  20. ^ Герц, Гэри; Махони, Джеймс (2006). «Повесть о двух культурах: контрастирующие количественные и качественные исследования». Политический анализ . 14 (3): 227–249. DOI : 10,1093 / панорамирование / mpj017 . ISSN 1047-1987 . 
  21. ^ a b Angrist, Джошуа Д.; Пишке, Йорн-Штеффен (июнь 2010 г.). «Революция достоверности в эмпирической экономике: как лучший дизайн исследования устраняет недостаток эконометрики» . Журнал экономических перспектив . 24 (2): 3–30. DOI : 10.1257 / jep.24.2.3 . ISSN 0895-3309 . 
  22. ^ Университет, Карнеги-Меллон. «Теория причинно-следственной связи - Департамент философии - Дитрихский колледж гуманитарных и социальных наук - Университет Карнеги-Меллона» . www.cmu.edu . Проверено 16 февраля 2021 года .
  23. ^ Саймон, Герберт (1977). Модели открытия . Дордрехт: Спрингер. п. 52.
  24. ^ Angrist, Джошуа Д .; Крюгер, Алан Б. (2001). «Инструментальные переменные и поиск идентификации: от спроса и предложения к естественным экспериментам» . Журнал экономических перспектив . 15 (4): 69–85. DOI : 10,1257 / jep.15.4.69 .
  25. ^ Аллен, Майкл Патрик, изд. (1997), «Спецификация модели в регрессионном анализе» , Understanding Regression Analysis , Бостон, Массачусетс: Springer US, стр. 166–170, DOI : 10.1007 / 978-0-585-25657-3_35 , ISBN 978-0-585-25657-3, получено 16 февраля 2021 г.
  26. ^ Мазиарц, Мариуш (2020). Философия причинности в экономике: причинные выводы и политические предложения . Нью-Йорк: Рутледж.
  27. ^ Salciccioli, Джастин Д .; Crutain, Ив; Коморовский, Матье; Маршалл, Dominic C. (2016), MIT Critical Data (ред.), "Анализ чувствительности и модель проверка", вторичный анализ электронных медицинских записей , Ч: Springer International Publishing, стр 263-271,. DOI : 10.1007 / 978- 3-319-43742-2_17 , ISBN 978-3-319-43742-2, PMID  31314264
  28. ^ Illowsky, Барбара (2013). «Вводная статистика» . openstax.org . Проверено 16 февраля 2021 года .
  29. ^ Хеншен, Тобиас (2018). «Принципиальная неубедительность причинно-следственных связей в макроэкономике». Европейский журнал философии науки . 8 (3): 709–733. DOI : 10.1007 / s13194-018-0207-7 . S2CID 158264284 . 
  30. ^ а б Ангрист Джошуа и Пишке Йорн-Штеффен (2008). В основном безвредная эконометрика: компаньон эмпирика . Принстон: Издательство Принстонского университета.
  31. ^ Эйкен, Кристофер Х. (июнь 2002 г.). «К новой политической методологии: микрофундации и ВРТ» . Ежегодный обзор политологии . 5 (1): 423–450. DOI : 10.1146 / annurev.polisci.5.112801.080943 . ISSN 1094-2939 . 
  32. ^ Дауэса, Robyn М. (1979). «Надежная красота неправильных линейных моделей в принятии решений» . Американский психолог . 34 (7): 571–582. DOI : 10.1037 / 0003-066X.34.7.571 .
  33. ^ Vandenbroucke, Ян П; Бродбент, Алекс; Пирс, Нил (декабрь 2016 г.). «Причинность и причинно-следственный вывод в эпидемиологии: необходимость плюралистического подхода» . Международный журнал эпидемиологии . 45 (6): 1776–1786. DOI : 10.1093 / ije / dyv341 . ISSN 0300-5771 . PMC 5841832 . PMID 26800751 .   
  34. ↑ Гренландия, Сандер (январь 2017 г.). «За и против методологий: некоторые взгляды на недавние дебаты о причинных и статистических выводах» . Европейский журнал эпидемиологии . 32 (1): 3–20. DOI : 10.1007 / s10654-017-0230-6 . ISSN 1573-7284 . PMID 28220361 . S2CID 4574751 .   
  35. ↑ Dominus, Susan (18 октября 2017 г.). «Когда за Эми Кадди пришла революция» . Нью-Йорк Таймс . ISSN 0362-4331 . Проверено 2 марта 2019 . 
  36. ^ «Статистический кризис в науке» . Американский ученый . 6 февраля 2017 . Проверено 18 апреля 2019 .

Библиография [ править ]

  • Эрнан, Массачусетс ; Робинс, Дж. М. (21 января 2020 г.). Причинно-следственный вывод: что, если . Барнсли: Бока-Ратон: Чепмен и Холл / CRC.

Внешние ссылки [ править ]

  • Семинар NIPS 2013 по причинно-следственной связи
  • Причинно-следственный вывод в Институте интеллектуальных систем им. Макса Планка в Тюбингене