【因果推断的统计方法】综述与个人理解

因果关系定义

首先探求事物之间的因果关系是各个领域研究的[终极奥义]
Democritus 德谟克里特：发现一个因果关系胜于做国王
Bacon 培根：知识就是力量，真正的知识是根据因果关系得到的知识。
随着人类的发展历史进程的推进，因果关系及其方法论的研究得到不断加深！
那么问题来了：
1.因果关系和相关关系有何区别和联系？
2.如何根据观测和实验来确定事物间的因果关系？

问题1:因果关系和相关关系有何区别和联系？

从区别来讲：这两者之间没有关系，属于不同的概念，两个变量有相关关系也可能没有因果关系，两变量由因果关系，也不一定有相关关系。
从发展来讲：因果关系和相关关系都是历史以来大家学者们研究的重点，从19世纪末，Pearson提出相关系数的概念，相关关系得到了很好的发展，但是因果推断却迟迟未前进，知道2011年，Pearl提出因为缺失描述因果的数学语言，所以未有进展。在如今的大数据时代，我们更应该把握事物之间的因果关系。

啤酒和尿布的是否具有因果关系？

答案是否，诚然它们具有相关关系，奶爸受主妇的命令，要求去超市买尿布，随便也会给自己买一打啤酒，但是如果主妇自己去超市或者直接在亚马逊等电商平台购买呢？？？

诺贝尔经济学奖获得者Heckman提出的三个因果推断挑战问题

• 评价历史上出现的干预对结果的影响
• 预测在一个环境中曾执行过的干预在其它环境中的影响
• 预测历史从来没有经历过的干预在各种环境的影响

划重点：相关关系是“预测”的基础，而因果关系是“决策”的基础

根据文献对因果关系的定义：
如果利用$X$能更好的预测$Y$，那么$X$是$Y$的原因？？？？对吗？
这实际上是相关关系
举个例子：
当我们看到一道闪电划过，那么我们可以预测接下来将发出雷电声，但是！闪电却不是雷电声产生的原因！

问题2：如何根据观测和实验来确定事物间的因果关系？

常见的因果推断采用的两个主要模型
潜在结果模型：给出因果作用的数学定义，主要用于在原因和结果变量已知的前提下，定量评价原因变量对结果变量的因果作用。
【参考文献】
Neyman J. On the application of probability theory to agricultural experiments. Trans Statist Sci, 1923, 5: 465–480
Rubin D B. Estimating causal effects of treatments in randomized and nonrandomized studies. J Educ Psychol, 1974,
66: 688–701
因果网络模型：将Bayes网络加上外部干预，用来定义外部干预的因果作用和描述多个变量之间的因果关系，利用因果网络不仅能定量评价因果作用，还能定性确定混杂因素，用于从事数据挖掘因果关系。
【参考文献】
Pearl J. Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. San Francisco: Morgan
Kaufmann, 1988
Pearl J. Causality: Models, Reasoning, and Inference, 2nd ed. New York: Cambridge University Press, 2009