Apa hubungan antara inferensi kausal dan prediksi?

10

Apa hubungan dan perbedaan antara inferensi kausal dan prediksi (baik klasifikasi dan regresi)?

Dalam konteks prediksi, kami memiliki variabel prediktor / input dan variabel respons / keluaran. Apakah itu berarti bahwa ada hubungan sebab akibat antara variabel input dan output? Jadi, apakah prediksi termasuk inferensi kausal?

Jika saya mengerti dengan benar, kesimpulan sebab akibat mempertimbangkan untuk memperkirakan distribusi kondisional dari satu variabel acak diberikan variabel acak lain, dan sering menggunakan model grafis untuk mewakili independensi kondisional antara variabel acak. Jadi, inferensi kausal, dalam hal ini, bukankah prediksi, bukan?

Tim
sumber
1
Apakah Anda sudah melihat kompetisi Kaggle ini? kaggle.com/c/cause-effect-pairs Anda mungkin menemukan sesuatu yang menarik
Simone
1
Makalah ini berbicara tentang perbedaan: Galit Shmueli, To Explain atau Predict? , Statistik. Sci. Volume 25, Nomor 3 (2010), 289-310.
Shu Zhang

Jawaban:

5

YXYX

X

generic_user
sumber
2
Jawaban ini mengabaikan perbedaan antara model kausal dan asosiasional.
Neil G
1
Nah, bukankah asosiasional pada dasarnya adalah default? Dan bukankah kausal akan bersarang di dalam asosiasional? Saya tidak pernah mendengar ada orang yang pernah berbicara tentang '' model asosiasional '', kecuali mungkin secara meremehkan dalam kasus di mana efek yang diduga disebabkan oleh sebab-sebab membingungkan.
generic_user
1
Oke, saya melihat poin Anda bahwa asosiasional adalah default dan bahwa model kausal "bersarang" dalam arti bahwa mereka lebih kuat. Pertanyaannya adalah apa perbedaan antara model kausal dan regresi atau klasifikasi (model asosiasional). Dan perbedaan utama adalah bahwa: Meskipun Anda dapat melakukan regresi dari sebab ke akibatnya, atau dari dampak ke beberapa sebab hipotetis; dalam model sebab akibat, hubungan diarahkan (menyebabkan efek). Arahan ini diperlukan untuk mendukung penalaran intervensi, yang tidak dapat didukung oleh model asosiasional.
Neil G
5

Inferensi kausal memerlukan model sebab-akibat. Model seperti itu dapat digunakan untuk menyimpulkan (memprediksi) beberapa variabel yang diberikan pengamatan dan intervensi pada variabel lain. Regresi dan klasifikasi tidak memiliki persyaratan sebab akibat seperti itu dan oleh karena itu tidak ada hubungannya dengan penalaran intervensi.

Neil G
sumber