服务于经验研究的因果图
Causal Diagrams for Empirical Research作者机构:加州大学洛杉矶分校计算机系 加州大学洛杉矶分校统计系 清华大学哲学系
出 版 物:《清华西方哲学研究》 (Tsinghua Studies in Western Philosophy)
年 卷 期:2019年第2期
页 面:144-173页
学科分类:01[哲学] 010101[哲学-马克思主义哲学] 0101[哲学-哲学] 07[理学] 070104[理学-应用数学] 0701[理学-数学]
摘 要:这篇文章的主要目的在于说明因果模型如何被当作一种用来集成统计的信息和主题—内容信息的数学语言。特别地,这篇文章发展出了一种因果推断的、纲领性的非参数框架。通过拷问图,我们就可以判定是否已知的假定对于从非实验的数据中识别因果效应是充分的。如果是可以的,那么通过可观察的分布,图可以被拷问来产生因果效应的数学表达式;如果不可以,为了要得到所希望的推断,通过拷问图也可以确定需要什么额外的观察或者辅助性的实验。