Causale inferentie is een subveld van voorspelling, waarbij je probeert te voorspellen wat er gebeurt wanneer een behandeling wordt toegepast. Dus de hele econometrie is eigenlijk gewoon een smal subveld van voorspellende machine learning

@DamienTeney @austinc3301 waarschijnlijk heeft een econoom dit geschreven. verdomde economen

@austinc3301 Je hebt net bewezen dat "causal modelling" in zekere zin een "hack" is om het probleem op te lossen dat we soms slechte data hebben. Maar wanneer we goede data hebben - wanneer we alle U's zien - is voorspellende modellering alles wat we nodig hebben.

@austinc3301 We zullen altijd meer gegevens krijgen, wat betekent dat voorspellende modellen uiteindelijk waarschijnlijk de tijdelijke "hack" van causale modellering zullen overwinnen. Het was een nuttige en elegante hack, maar een tijdelijke.

@austinc3301 Of ze nu te onderscheiden zijn - in dat geval zal een voorspellend model ze onderscheiden - of niet - in dat geval zal het dat niet doen. heel eenvoudig

of iets dat in zekere zin gelijkwaardig is aan een interventie (zoals, wat die economen "instrumenten" noemen). Je zou dat "causale inferentie" kunnen noemen, ik zou dat "voorspelling" kunnen noemen, maar het voldoet aan mijn uitspraak dat jouw "causale inferentie" eigenlijk gewoon een speciale vorm van voorspellingsoefening is.

@austinc3301 Je hebt zelfs toegegeven dat dit correct is: "causal inference gaat over het uitbreiden van statistische voorspelling"

@austinc3301 Hoe dan ook, naast het trollen, is "causal inference" gewoon extrapolatieve voorspelling. Arpit's inhoudelijke punt is dat er nu black box-modellen zijn die ook behoorlijk goed zijn in out-of-sample voorspelling, op de een of andere manier, door een aanpak die heel anders is dan causal inference.

@SeanGailmard In wezen geldt je kritiek alleen voor slechte voorspellende modellen

@SeanGailmard De DGP is alleen van belang voor zover het invloed heeft op mogelijk waarneembare tegenfeitelijkheden.

@SeanGailmard Zie bijvoorbeeld

@SeanGailmard niets te maken met "de DGP"; alles te maken met betere voorspellingen in situaties waar er problemen zijn zoals selectie, verstoring, enz.

@SeanGailmard Natuurlijk, ik speel voor 1/2 een dom pedant spel, maar ik denk dat er enige inhoud in zit

@SeanGailmard Mijn oorspronkelijke uitspraak was eenvoudig: causale inferentie is gewoon voorspellen wat er gebeurt wanneer een behandeling wordt toegepast. Ik zie niet in waarom dat op enige manier een universeel of almachtig voorspellend model impliceert.

@SeanGailmard Het hoeft alleen maar goed genoeg te zijn om... te voorspellen wat er gebeurt wanneer een behandeling wordt toegepast

@SeanGailmard De manier waarop je dit doet, is door een instrument of iets dergelijks te vinden. Hetgene waar ik (half grappend) bezwaar tegen heb, is dat ik denk dat dit in zekere zin niet wezenlijk verschilt van "voorspelling".