计量经济学中的因果推断和数据融合

Dec, 2019

计量经济学中的因果推断和数据融合

Causal Inference and Data Fusion in Econometrics

Paul Hünermund, Elias Bareinboim

TL;DR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。

Abstract

Learning about cause and effect is arguably the main goal in applied econometrics. In practice, the validity of these causal inferences is contingent on a number of critical assumptions regarding the type of data that has been collected and the substantive knowledge that is available. For instance, unobserved confounding factors threaten the internal validit

causal inference structural approach graph-theoretic framework econometric methodology ai

发现论文，激发创造

因果推断综述

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

使用干预措施和实证数据评估因果模型的论证

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

从依赖到因果

机器学习在预测方面已经取得了很大进展，但缺乏通用人工智能，研究表明因果推断是实现机器推理和机器智能的一种重要方法，本文通过统计数据学习框架、分布分类任务和卷积神经网络特征等方面的研究，提出了一种可扩展、具有强大理论保证且在多个实际基准测试中取得最新成果的新因果推断算法。

Jul, 2016

应用 ML 和 AI 推动的因果推断

机器学习与因果推断的新兴融合方法介绍，涵盖经典结构方程模型、其现代人工智能等价物有向无环图和结构性因果模型的思想，并使用现代预测工具来进行这些模型的推断。

Mar, 2024

基于图形因果模型的数据驱动因果效应估计：一项调查

本文综述了通过基于图形因果模型的搜索策略，发现因果效应相关有用知识的数据驱动方法，重点讨论这些方法面临的挑战，探讨了方法的假设、优点和局限性，希望这篇文章能够激励更多的研究人员设计更好的数据驱动方法来解决因果效应估计等领域的实际问题。

Aug, 2022

从统计学习到因果学习

该研究阐述了建立和理解人工智能系统的基本思想：从符号方法到统计学习，再到基于因果关系概念的干预模型，其中一些机器学习和人工智能的难题内在地与因果关系有关，而进展可能需要我们加深对如何从数据中建模和推断因果关系的理解。

Apr, 2022

应用计量经济学的现状 - 因果关系和政策评估

这篇论文讨论了计量经济学的三个主要领域，分别是政策评估、识别策略和机器学习。论文详细解释了在每个领域中应用的最新技术以及建议。

Jul, 2016

从时间序列数据中发现结构因果模型的混合物

从混合不同因果模型的时间序列数据中，利用证据下界最大化的方法进行因果发现，经过实验证明在探测来自不同因果图的数据时，该方法优于现有基准模型。

Oct, 2023

因果推断与机器学习中的工具变量方法：一项调查

介绍和讨论 IV 方法及其在因果推断和机器学习中的应用，主要包括两阶段最小二乘法、控制函数和 IV 评估；总结了实际应用场景中的数据集和算法，并讨论了未来研究的方向和问题。

Dec, 2022

因果学习算法的评估方法和度量

这篇综述文章介绍了以因果推断为基础的机器学习，阐述了该领域的研究重点、难点和局限，并提出了应对策略，旨在推动因果学习算法的发展和应用。

Feb, 2022