Abductive Inference and C. S. Peirce: 150 Years Later
溯因推理与皮尔士：一百五十年之后AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论通用科学发现与统计方法论，未明确研究给定分类中的因果、分布、时间序列或金融问题。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
溯因推理与皮尔士：一百五十年之后
- 研究问题
- 作为形成解释性假说的过程，溯因推理如何转化为经验研究者能够系统操作的统计程序，而不仅停留在方法论倡议？
- 方法与思路
- 作者提出称为溯因推理机器的 AIM 框架，介绍新的原则与具体程序，并用皮尔士听觉刺激反应时间实验数据展示其操作。
- 材料陈述的贡献
- 摘要称，AIM 尝试填补溯因推理缺少可操作工具的空缺，并展示经验分析者如何以系统化、自动化方式形成解释性假说。
- 阅读关注点
- 应核对假说生成、筛选与评价的具体步骤，查看自动化如何实现，以及同一数据用于发现和评价时如何处理统计不确定性。
- 阅读边界
- 依据的是 arXiv 预印本摘要，不能确认同行评审或期刊接收；摘要未说明 AIM 的形式化保证，历史数据展示不足以确立一般有效性。
原文摘要
This paper is about two things: (i) Charles Sanders Peirce (1837-1914) -- an iconoclastic philosopher and polymath who is among the greatest of American minds. (ii) Abductive inference -- a term coined by C. S. Peirce, which he defined as "the process of forming explanatory hypotheses. It is the only logical operation which introduces any new idea." Abductive inference and quantitative economics: Abductive inference plays a fundamental role in empirical scientific research as a tool for discovery and data analysis. Heckman and Singer (2017) strongly advocated "Economists should abduct." Arnold Zellner (2007) stressed that "much greater emphasis on reductive [abductive] inference in teaching econometrics, statistics, and economics would be desirable." But currently, there are no established theory or practical tools that can allow an empirical analyst to abduct. This paper attempts to fill this gap by introducing new principles and concrete procedures to the Economics and Statistics community. I termed the proposed approach as Abductive Inference Machine (AIM). The historical Peirce's experiment: In 1872, Peirce conducted a series of experiments to determine the distribution of response times to an auditory stimulus, which is widely regarded as one of the most significant statistical investigations in the history of nineteenth-century American mathematical research (Stigler, 1978). On the 150th anniversary of this historical experiment, we look back at the Peircean-style abductive inference through a modern statistical lens. Using Peirce's data, it is shown how empirical analysts can abduct in a systematic and automated manner using AIM.