本文讨论了人工智能(AI)文献中关于因果推断的近期进展,其具有可自动化的算法标准、中等平衡的优势等特点,有望对计量方法做出贡献。
Dec, 2019
本文综述了在潜在结果框架下,针对观察数据的因果推断方法。这些方法分为两类,包括传统的统计学方法和最新的机器学习方法,还介绍了这些方法在广告、推荐、医学等领域的应用以及常用的基准数据集和开源代码。
Feb, 2020
本论文阐述因果推断对人工智能的重要性,分析了现有的评估技术和存在的局限,并提出采用干预措施和实际数据进行评估的方法,探讨了其可行性和优越性。
Oct, 2019
本文对因果推断、优化方法与观察型研究、偏差减少与比较分析等方面进行了综述。
Feb, 2022
本文提出了一种基于扩散回归状态空间模型的方法,用于推断经济学干预措施对于市场结果指标的因果影响,相较于差异 - 差异方案,该模型有助于灵活适应多种变异来源,并在模拟和实际数据上进行了验证。
Jun, 2015
在大数据时代,处于生态经济学、医疗保健、网络挖掘、在线广告和市场营销等多个领域的观测数据的因果关系进一步的理解异常重要。然而目前现有的因果效果评估方法主要集中在源特定和固定的观测数据上,缺乏对数据连续性、领域适配性以及海量数据的易用性等问题的持续性研究,而这些问题非常普遍。本论文定义了持续性治疗效果的评估问题,并提出了问题的研究难点和可能的解决方案。最后,我们还讨论了未来该领域的研究方向。
Jan, 2023
本文提出了一种新的方案,通过不需要强假设的方法,利用原因不变性原则来检验干预的因果效应,并给出了敏感性分析框架以克服这些方法中的违反非参数识别的假设的问题,从而使基于线性合成控制模型的因果推断更加精确可靠。
本文讨论了因果关系的潜在结果和图形方法,回顾了一些关于有向无环图的工作以及潜在结果框架的相对价值,着重探讨了在经济学的实证研究中这些方法的优点和缺点,以及为什么经济学的大部分工作与潜在结果框架更为接近。
Jul, 2019
因果关系是各个领域研究事件、现象和结果之间关系的基本方法之一,本文调查了因果关系在过去五十年的发展,揭示了它与其他方法的差异以及使用它的前提条件,同时阐明了因果关系与人工智能、生成式人工智能、机器学习、深度学习、强化学习和模糊逻辑等新方法的相互作用及其对各个领域的影响和贡献,以及其模型的可信度和可解释性,并提出了几种评估因果关系模型的方法,并讨论了未来的发展方向。
Mar, 2024
本文回顾了软件工程中应用统计因果推断方法的现有工作。回顾了 2010 年至 2022 年间发表的 32 篇论文。结果表明,统计因果推断方法的应用相对较新,相应的研究社区仍相对分散。
Nov, 2022