¿Cuál es la relación entre inferencia causal y predicción?

10

¿Cuáles son las relaciones y las diferencias entre inferencia causal y predicción (tanto clasificación como regresión)?

En el contexto de predicción, tenemos las variables de predicción / entrada y las variables de respuesta / salida. ¿Eso significa que hay una relación causal entre las variables de entrada y salida? Entonces, ¿la predicción pertenece a la inferencia causal?

Si entiendo correctamente, la inferencia causal considera estimar la distribución condicional de una variable aleatoria dada otra variable aleatoria, y a menudo usa modelos gráficos para representar la independencia condicional entre variables aleatorias. Entonces, la inferencia causal, en este sentido, no es predicción, ¿verdad?

prediction causality definition

— Tim
fuente

1

¿Has echado un vistazo a esta competencia de Kaggle? kaggle.com/c/cause-effect-pairs puede encontrar algo interesante

— Simone

1

Este artículo habla de la diferencia: ¿Galit Shmueli, para explicar o para predecir? , Estadista. Sci. Volumen 25, número 3 (2010), 289-310.

— Shu Zhang

5

$Y$ $X$ $Y$ $X$

$X$

— genérico_usuario
fuente

2

Esta respuesta descuida la diferencia entre modelos causales y asociativos.

— Neil G

1

Bueno, ¿no es la asociación básicamente el valor predeterminado? ¿Y no estaría anidado causal dentro de la asociación? Nunca he oído hablar de alguien que hable sobre un '' modelo asociativo '', excepto quizás despectivamente en el caso de uno donde los efectos supuestamente causales se confundieron.

— generic_user

1

Bien, veo su punto de vista de que la asociación es el valor predeterminado y que los modelos causales están "anidados" en el sentido de que son más poderosos. La pregunta es cuál es la diferencia entre un modelo causal y la regresión o clasificación (un modelo asociativo). Y la principal diferencia es que: si bien puede hacer una regresión de las causas a sus efectos, o de los efectos a alguna causa hipotética; En un modelo causal, las relaciones se dirigen (causas a efectos). Estas instrucciones son necesarias para admitir el razonamiento intervencionista, que los modelos asociativos no pueden admitir.

— Neil G

5

La inferencia causal requiere un modelo causal. Tal modelo puede usarse para inferir (predecir) algunas variables dadas observaciones e intervenciones en otras variables. La regresión y la clasificación no tienen ese requisito causal y, por lo tanto, no tienen nada que ver con el razonamiento intervencionista.

— Neil G
fuente