当因果推理遇上时间序列，会碰撞出怎样的火花？

点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入！

近年来因果推理和时间序列已经成为了数据科学领域备受瞩目的研究方向。因果推理可以帮助我们识别变量之间的因果关系，时间序列分析则可以便于我们理解变量随时间变化的规律。这两个方向都可以为我们提供更多解决实际问题的思路和方法。2023年4月21日，AI TIME第十五期PhD Debate活动“因果推理（Causal Inference）与时间序列（Time Series）”，特别邀请了圣地亚哥加利福尼亚大学助理教授黄碧薇，南加州大学博士生曹德福，卡内基梅隆大学博士生宋祥辰，俄亥俄州立大学博士生刘若琦。四位嘉宾围绕因果推理与时间序列的理论研究、应用场景面临的挑战等话题展开热烈讨论，给观众带来了一场精彩的科学思辨。

01

因果性与相关性在现实世界中的区别

曹德福：因果性和相关性之间有本质的区别，但也存在一些联系。从理论的角度来讲最经典的区别是Pearl先生提出的三重阶梯理论：第一层是关联，它涉及由数据定义的统计相关性；第二层是干预，不仅涉及能看到什么，还涉及一个干预会导致什么结果；第三层是反事实，是对过去发生事情的反思和溯源。

刘若琦：因果关注的是两个变量之间是否存在直接的影响关系，而相关性是两个变量之间的关联关系，可能是因为偶然产生的。在Health Care中的一个经典问题是“吸烟会导致肺癌”