Qual é a relação entre inferência causal e predição?

10

Quais são as relações e as diferenças entre inferência e predição causais (classificação e regressão)?

No contexto de previsão, temos as variáveis ​​preditoras / entradas e variáveis ​​resposta / saída. Isso significa que existe uma relação causal entre as variáveis ​​de entrada e saída? Então, a previsão pertence à inferência causal?

Se bem entendi, a inferência causal considera estimar a distribuição condicional de uma variável aleatória, dada outra variável aleatória, e geralmente usa modelos gráficos para representar a independência condicional entre variáveis ​​aleatórias. Então, inferência causal, nesse sentido, não é previsão, é?

prediction causality definition Tim
fonte
11
Você já deu uma olhada nesta competição do Kaggle? kaggle.com/c/cause-effect-pairs que você pode encontrar algo interessante
Simone
11
Este artigo fala sobre a diferença: Galit Shmueli, Para explicar ou prever? Statist. Sci. Volume 25, Número 3 (2010), 289-310.
Shu Zhang

Respostas:

5

Causal inferência está focado em saber o que acontece com quando você mudar . A previsão é focada em conhecer o próximo dado (e o que mais você tiver).YXYX

Geralmente, na inferência causal, você deseja uma estimativa imparcial do efeito de em Y. Na previsão, muitas vezes você está mais disposto a aceitar um pouco de viés se reduzir a variação de sua previsão.X

generic_user
fonte
2
Essa resposta negligencia a diferença entre modelos causais e associativos.
21414 Neil G
11
Bem, não é associativo basicamente o padrão? E o causal não seria aninhado dentro do associativo? Nunca ouvi alguém falar sobre um "modelo associativo", exceto talvez depreciativamente no caso de um onde os efeitos supostamente causais foram confundidos.
31514 java
11
Ok, entendo que o associativo é o padrão e que os modelos causais são "aninhados" no sentido de serem mais poderosos. A questão é qual é a diferença entre um modelo causal e regressão ou classificação (um modelo associativo). E a principal diferença é que: embora você possa fazer regressão de causas para seus efeitos, ou de efeitos para alguma causa hipotética; em um modelo causal, os relacionamentos são direcionados (causas aos efeitos). Essas instruções são necessárias para apoiar o raciocínio intervencionista, que os modelos associativos não podem suportar.
30514 Neil G
5

A inferência causal requer um modelo causal. Esse modelo pode ser usado para inferir (prever) algumas variáveis, dadas observações e intervenções em outras variáveis. Regressão e classificação não têm esse requisito causal e, portanto, nada têm a ver com o raciocínio intervencionista.

Neil G
fonte