Wnioskowanie przyczynowe to poddziedzina prognozowania, w której próbujesz przewidzieć, co się stanie, gdy zastosuje się leczenie. Tak więc cała ekonometrii to tak naprawdę wąska poddziedzina predykcyjnego uczenia maszynowego

@DamienTeney @austinc3301 prawdopodobnie napisał to ekonomista. cholerni ekonomiści

@austinc3301 Właśnie udowodniłeś, że "modelowanie przyczynowe" jest w pewnym sensie "sposobem" na rozwiązanie problemu, który czasami mamy z złymi danymi. Ale gdy mamy dobre dane - gdy widzimy wszystkie U - modelowanie predykcyjne to wszystko, czego potrzebujemy

@austinc3301 Zawsze będziemy mieć więcej danych, co oznacza, że w końcu prognozowanie prawdopodobnie przewyższy tymczasowy "hack", jakim jest modelowanie przyczynowe. Był to użyteczny i elegancki hack, ale tymczasowy.

@austinc3301 Albo są rozróżnialne - w takim przypadku model predykcyjny je rozróżni - albo nie - w takim przypadku nie rozróżni. bardzo proste

lub coś, co w pewnym sensie jest równoważne interwencji (jak to, co ci ekonomiści nazywają "instrumentami"). Możesz to nazwać "wnioskowaniem przyczynowym", ja mogę to nazwać "prognozowaniem", ale spełnia to moje stwierdzenie, że twoje "wnioskowanie przyczynowe" to tak naprawdę tylko specjalny rodzaj ćwiczenia prognozującego.

@austinc3301 Sam nawet przyznałeś, że to jest poprawne: "wnioskowanie przyczynowe dotyczy rozszerzania statystycznej predykcji"

@austinc3301 W każdym razie, pomijając trolling, "wnioskowanie przyczynowe" to po prostu prognozowanie ekstrapolacyjne. Substancjalny punkt Arpita polega na tym, że teraz istnieją modele czarnej skrzynki, które są również całkiem dobre w prognozowaniu poza próbką w jakiś sposób, poprzez podejście bardzo różniące się od wnioskowania przyczynowego.

@SeanGailmard W zasadzie twoja krytyka dotyczy tylko złych modeli predykcyjnych

@SeanGailmard DGP ma znaczenie tylko w takim zakresie, w jakim wpływa na możliwe do zaobserwowania kontrfakty.

@SeanGailmard Zobacz, na przykład

@SeanGailmard nie ma nic wspólnego z "DGP"; wszystko ma związek z lepszymi prognozami w sytuacjach, gdzie występują problemy takie jak selekcja, konfudowanie itp.

@SeanGailmard Oczywiście, w pewnym sensie bawię się w głupią pedantyczną grę, ale myślę, że jest w tym trochę sensu.

@SeanGailmard Moje pierwotne stwierdzenie było proste: wnioskowanie przyczynowe to po prostu przewidywanie, co się stanie, gdy zastosuje się leczenie. Nie rozumiem, dlaczego to w jakikolwiek sposób sugeruje uniwersalny lub wszechmocny model predykcyjny.

@SeanGailmard Musi być wystarczająco dobre, aby... przewidzieć, co się stanie, gdy zastosuje się leczenie

@SeanGailmard Sposób, w jaki to robisz, to znalezienie instrumentu lub czegoś. To, co mi się nie podoba (po części żartobliwie), to myślenie, że to jest zasadniczo różne od "przewidywania" w pewnym sensie.