La inferencia causal es un subcampo de la predicción, donde intentas predecir qué ocurre cuando se aplica un tratamiento. Así que toda la econometría es realmente un subcampo estrecho del aprendizaje automático predictivo

@DamienTeney @austinc3301 probablemente un economista escribió esto. Malditos economistas

@austinc3301 Acabas de demostrar que el "modelado causal" es, en cierto sentido, un "truco" para resolver el problema de que a veces tenemos datos erróneos. Pero cuando tenemos buenos datos —cuando vemos todas las U—, el modelado predictivo es todo lo que necesitamos

@austinc3301 Siempre obtendremos más datos, lo que significa que, eventualmente, lo predictivo probablemente superará el "hack" temporal que es el modelado causal. Era un truco útil y elegante, pero temporal

@austinc3301 O bien son distinguibles —en cuyo caso un modelo predictivo los distinguirá— o no, en cuyo caso no lo hará. muy sencillo

o algo que, en cierto sentido, es equivalente a una intervención (como lo que esos economistas llaman "instrumentos"). Podrías llamar a eso "inferencia causal", yo podría llamarlo "predicción", pero satisface mi afirmación de que tu "inferencia causal" es en realidad un tipo especial de ejercicio de predicción

@austinc3301 Incluso admitiste que esto es correcto: "la inferencia causal consiste en extender la predicción estadística"

@austinc3301 en fin, dejando a un lado el trolling, la "inferencia causal" es simplemente una predicción extrapolativa. El punto sustantivo de Arpit es que ahora existen modelos de caja negra que también son bastante buenos prediciendo fuera de la muestra de alguna manera, mediante un enfoque muy diferente de la inferencia causal

@SeanGailmard Básicamente, tu crítica solo se aplica a malos modelos predictivos

@SeanGailmard El DGP solo importa en la medida en que influye en contrafactuales posiblemente observables

@SeanGailmard Mira, por ejemplo

@SeanGailmard nada que ver con "el DGP"; Todo tiene que ver con mejores predicciones en entornos donde hay problemas como selección, confusión, etc.

@SeanGailmard Por supuesto, estoy jugando a un juego tonto y pedante, pero creo que tiene algo de sustancia

@SeanGailmard Mi afirmación original era sencilla: la inferencia causal es simplemente predecir lo que ocurre cuando se aplica un tratamiento. No veo por qué eso implica en ningún sentido un modelo predictivo universal o todopoderoso

@SeanGailmard Solo tiene que ser lo suficientemente bueno para... Predecir qué ocurre cuando se aplica un tratamiento

@SeanGailmard La forma de hacerlo es buscando un instrumento o algo así. Lo que me molesta (medio en broma) es pensar que esto es sustancialmente diferente de la "predicción" en cierto sentido