Odborná definícia
Význam a odborné vymedzenie pojmu
Causal inference je proces odhadovania účinku zásahu alebo príčiny na výsledok z experimentálnych či observačných dát pri explicitných predpokladoch. Rozlišuje pozorovanie hodnoty X od intervencie do(X), pretože asociácia sama neurčuje, čo sa stane po zmene. Používa rámec potenciálnych výsledkov, štrukturálne kauzálne modely, randomizáciu, matching, stratifikáciu, propensity scores, inštrumentálne premenné alebo difference in differences. Platnosť záveru závisí od identifikácie, konzistencie, positivity a kontroly confoundingu.
Zrozumiteľné vysvetlenie
Ako sa pojem používa v praxi
Ak zákazníci, ktorí dostali zľavu, nakúpili viac, rozdiel nemusí byť účinkom zľavy. Obchod mohol zľavu ponúknuť ľuďom, ktorí už mali vysokú pravdepodobnosť nákupu. Kauzálna inferencia vytvára porovnanie s tým, čo by sa tým istým alebo porovnateľným zákazníkom stalo bez zásahu. Tento kontrafaktuálny výsledok priamo nepozorujeme, preto potrebujeme randomizáciu alebo obhájiteľné predpoklady. Výstupom nie je len predikcia, ale odhad účinku s neistotou a jasne vymedzenou populáciou.
Časté otázky
Otázky, ktoré spresňujú význam
Čo je confounder?
Premenná, ktorá ovplyvňuje zásah aj výsledok a môže vytvoriť zavádzajúcu asociáciu. Pri odhade účinku ju treba vhodne kontrolovať, ak nie je mediátorom ani colliderom. Nesprávne pridaná premenná môže bias zvýšiť namiesto toho, aby ho odstránila.
Prečo je randomizovaný experiment silný?
Randomizácia pri dostatočnej realizácii vyrovnáva pozorované aj nepozorované príčiny medzi skupinami v očakávaní. Rozdiel výsledkov potom možno pripísať zásahu jednoduchšie. Stále treba riešiť nedodržanie liečby, straty účastníkov, interferenciu a prenositeľnosť mimo experimentu.
Čo znamená average treatment effect?
Je to priemerný rozdiel medzi potenciálnym výsledkom pri zásahu a bez zásahu v určenej populácii. Nehovorí, že každý jednotlivec reaguje rovnako. Pri personalizácii sa odhadujú podmienené alebo individuálne efekty, ktoré majú zvyčajne väčšiu neistotu.
Dá sa kauzalita dokázať iba z observačných dát?
Bez predpokladov nie. Observačné dáta môžu podporiť kauzálny odhad, keď je efekt identifikovateľný podľa grafu, dizajnu alebo prirodzeného experimentu. Záver musí uvádzať, ktoré nepozorované skreslenie by ho mohlo zvrátiť a ako sa testovala citlivosť.
Ako sa líši predikčný a kauzálny cieľ?
Predikcia sa pýta, aký výsledok pravdepodobne nastane pri pozorovaných vstupoch. Kauzálna úloha sa pýta, ako by sa výsledok zmenil po zásahu. Premenná môže výborne predikovať, no byť nevhodným ovládacím prvkom, pretože je iba proxy alebo následok sledovaného javu.
Súvisiace pojmy
Významové a tematické súvislosti
Pojem v rozhodovaní
Odborné články, ktoré tento pojem používajú v praxi
Zdroje a redakčná stopa
Použité východiská a odborná revízia
- Pearl, Causal Inference in Statistics: An Overview Microsoft Research, DoWhy, causal inference framework
Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.