因果推論は予測の一分野であり、処理が適用されたときに何が起こるかを予測しようとするものです。つまり計量経済学は実際には予測機械学習の狭いサブフィールドに過ぎません

@DamienTeney @austinc3301おそらく経済学者がこれを書いたのでしょう。くそったれの経済学者たち

@austinc3301 あなたは「因果モデリング」が、時に誤ったデータを持っている問題を解決するための「ハック」であることを証明しました。しかし、良いデータ、つまりすべてのUが見えるとき、予測モデリングだけで十分です

@austinc3301 私たちは常により多くのデータを得るため、最終的には予測技術が因果モデリングという一時的な「ハック」を克服する可能性が高いということです。有用で洗練されたハックだったが、一時的なものだった

@austinc3301 区別可能なら予測モデルが区別するか、そうでなければ区別できないかのどちらかです。とてもシンプルです

あるいは、ある意味で介入に相当するもの(経済学者が「手段」と呼ぶもの)などです。あなたはそれを「因果的推論」と呼ぶかもしれませんし、私はそれを「予測」と呼ぶかもしれませんが、それは私の主張を満たすもので、あなたの「因果推論」は実は特別な種類の予測演習に過ぎません

@austinc3301 あなたはこれが正しいと認めています。「因果推論は統計的予測を拡張することだ」と。

@austinc3301ともかく、冗談はさておき、「因果推論」は単なる外推予測に過ぎません。アーピットの本質的な主張は、現在ではブラックボックスモデルも存在し、それらは因果推論とは全く異なるアプローチで、サンプル外予測にもかなり優れているということです

@SeanGailmard 基本的に、あなたの批判は悪い予測モデルにのみ当てはまります

@SeanGailmard DGPは、観察可能な反事実に影響を与える範囲でのみ重要である

@SeanGailmard 例えば

@SeanGailmard「DGP」とは関係ありません。選択や交絡などの問題がある環境での予測精度の向上に関わることがすべてです。

@SeanGailmard もちろん、私は半分は馬鹿げた学究的なゲームをプレイしているのですが、その中には中身があると思います

@SeanGailmard 私の元の主張は単純でした。因果推論とは、治療が適用されたときに何が起こるかを予測することに過ぎません。それが普遍的または全能の予測モデルを意味する理由は私には見当たりません

@SeanGailmard ただ十分に良くなければ...治療を施したときに何が起こるかを予測する

@SeanGailmard その方法は楽器を見つけることです。私が(半分冗談めかして)反対するのは、これが「予測」とは何らかの意味で大きく異なると思っていることです